install.packages("readxl")
install.packages("openxlsx")
install.packages("ggplot2")
#install.packages("tidyverse")
install.packages("multcomp")
install.packages("magick")
Upload the file into the dataframe
library(readxl)
Warning: package ‘readxl’ was built under R version 4.4.1
library(ggplot2)
Warning: package ‘ggplot2’ was built under R version 4.4.1
library(tidyverse)
Warning: package ‘tidyverse’ was built under R version 4.4.1
── Attaching core tidyverse packages ────────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.4 ✔ readr 2.1.5
✔ forcats 1.0.0 ✔ stringr 1.5.1
✔ lubridate 1.9.3 ✔ tibble 3.2.1
✔ purrr 1.0.2 ✔ tidyr 1.3.1
── Conflicts ──────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to force all conflicts to become errors
library(multcomp)
Warning: package ‘multcomp’ was built under R version 4.4.1
Loading required package: mvtnorm
Loading required package: survival
Loading required package: TH.data
Loading required package: MASS
Attaching package: ‘MASS’
The following object is masked from ‘package:dplyr’:
select
Attaching package: ‘TH.data’
The following object is masked from ‘package:MASS’:
geyser
library(dplyr)
library(magick)
Warning: package ‘magick’ was built under R version 4.4.1
Linking to ImageMagick 6.9.12.98
Enabled features: cairo, freetype, fftw, ghostscript, heic, lcms, pango, raw, rsvg, webp
Disabled features: fontconfig, x11
ICONS
data <- read_excel("C:\\Users\\User\\Desktop\\Survey Signup +Icon\\MEAservicesIcon.xlsx")
# print(data)
summary(data)
Id Icon1 Icon2 Icon3 Icon4
Min. : 1.00 Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
1st Qu.: 36.25 1st Qu.:4.000 1st Qu.:2.000 1st Qu.:2.000 1st Qu.:3.000
Median : 71.50 Median :5.000 Median :4.000 Median :3.000 Median :4.500
Mean : 71.50 Mean :4.725 Mean :3.535 Mean :3.451 Mean :4.296
3rd Qu.:106.75 3rd Qu.:6.000 3rd Qu.:5.000 3rd Qu.:5.000 3rd Qu.:6.000
Max. :142.00 Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
Icon5 Icon6
Min. :1.000 Min. :1.000
1st Qu.:2.000 1st Qu.:2.000
Median :4.000 Median :4.000
Mean :3.577 Mean :3.986
3rd Qu.:5.000 3rd Qu.:6.000
Max. :7.000 Max. :7.000
# เปลี่ยนรูปแบบจาก wide เป็น narrow
data2 <- data %>%
pivot_longer(cols = starts_with("Icon"),
names_to = "variable",
values_to = "value") %>%
mutate(variable = as.factor(variable))
# print(data2)
#คำนวณ mean & SD เพื่อนำไปใช้ในการสร้าง Error Bar
summary_data <- data2 %>%
group_by(variable) %>%
summarize(
mean_value = mean(value),
se = sd(value) / sqrt(n()))
print(summary_data)
#สร้างกราฟแท่งจาก Mean ของแต่ละไอคอน พร้อมใส่ Error Bar
ggplot(summary_data, aes(x = variable, y = mean_value)) +
geom_bar(stat = "identity", fill = "orange", width = 0.6) +
geom_errorbar(aes(ymin = mean_value - se*1.96, ymax = mean_value + se*1.96), width = 0.2) +
geom_text(aes(label = round(mean_value, 2), y = mean_value), vjust = -0.5, , hjust = -0.3, size = 3, color = "blue") +
labs(title = "กราฟแสดงผลความพึงพอใจของแต่ละรูปแบบไอคอน", x = "รูปแบบไอคอน", y = "ระดับความพึงพอใจ")

# การสร้างกราฟ(เป็นBoxplot ดูการกระจายตัวของข้อมูล (Data distribution)
ggplot(data2, aes(x = variable, y = value)) +
geom_boxplot() +
labs(title = "แจกแจงการกระจายตัวข้อมูลของแต่ละไอคอน",
x = "รูปแบบไอคอน",
y = "ค่าความพึงพอใจ")

# การวิเคราะห์ ANOVA เพื่อดูผลภาพรวมความต่างว่ามีนัยสำคัญหรือไม่
anova_result <- aov(value ~ variable , data = data2)
summary(anova_result)
Df Sum Sq Mean Sq F value Pr(>F)
variable 5 181.7 36.33 10.63 6.36e-10 ***
Residuals 846 2891.0 3.42
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
จากผลการวิเคราะห์ด้านบนสรุปได้ว่าค่า P Value< 0.05
จึงสรุปได้ว่าระดับความพึงพอใจของไอคอนเหล่านั้นมีความแตกต่างกันอย่างมีนัยสำคัญ
#แล้วมาเปรียบเทียบทีละคู่ว่าต่างกันอย่างมีนัยสำคัญหรือไม่
posthoc_result <- glht(anova_result, linfct = mcp(variable = "Tukey"))
summary(posthoc_result)
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: aov(formula = value ~ variable, data = data2)
Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
Icon2 - Icon1 == 0 -1.19014 0.21939 -5.425 < 0.001 ***
Icon3 - Icon1 == 0 -1.27465 0.21939 -5.810 < 0.001 ***
Icon4 - Icon1 == 0 -0.42958 0.21939 -1.958 0.36758
Icon5 - Icon1 == 0 -1.14789 0.21939 -5.232 < 0.001 ***
Icon6 - Icon1 == 0 -0.73944 0.21939 -3.370 0.01015 *
Icon3 - Icon2 == 0 -0.08451 0.21939 -0.385 0.99890
Icon4 - Icon2 == 0 0.76056 0.21939 3.467 0.00730 **
Icon5 - Icon2 == 0 0.04225 0.21939 0.193 0.99996
Icon6 - Icon2 == 0 0.45070 0.21939 2.054 0.31251
Icon4 - Icon3 == 0 0.84507 0.21939 3.852 0.00176 **
Icon5 - Icon3 == 0 0.12676 0.21939 0.578 0.99247
Icon6 - Icon3 == 0 0.53521 0.21939 2.440 0.14394
Icon5 - Icon4 == 0 -0.71831 0.21939 -3.274 0.01410 *
Icon6 - Icon4 == 0 -0.30986 0.21939 -1.412 0.71954
Icon6 - Icon5 == 0 0.40845 0.21939 1.862 0.42654
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)
ผลสรุปจากค่าสถิติและจากกราฟแสดงให้เห็นว่าคะแนนเฉลี่ยว่าไอคอนเหล่านี้สื่อความหมายมากที่สุด
ตามลำดับ โดยสามลำดับแรกก็คือ Icon 1, Icon 4, Icon 6
และเมื่อวิเคราะห์โดยละเอียดจากค่าทางสถิติพบว่า Icon 1 กับ Icon 4
ไม่ได้มีผลที่ต่างกันอย่างมีนัยสำคัญทางสถิติ
โดยคอมเม้นต์จากผู้ใช้ได้อธิบายเหตุผลของไอคอนที่สื่อมากที่สุดในสามอันดับแรกว่า
ไอคอน 1 มากที่สุดว่า เรียบง่ายแต่เข้าใจได้ดี และเป็นมาตรฐานที่ใช้บน Mobile application ว่าเป็นบริการอื่นๆ และคุ้นเคยกับไอคอนนี้
ไอคอน 4 รองลงมา ผู้ใช้ส่วนใหญ่เห็นว่าสัญลักษณ์ไฟฟ้าสื่อถึงบริการจาก กฟน. ส่วนมือสื่อถึงการให้บริการ
ไอคอน 6 ผู้ใช้ได้ให้ความเห็นว่า เป็นไอคอนที่น่ารัก ดูทันสมัย ดูสื่อถึงการบริการที่เกี่ยวกับการไฟฟ้า ทาง ช่าง/วิศวะที่เป็นบริการประเภทซ่อมแซม
แต่แม้ว่าจากการวิเคราะห์ทางสถิติของไอคอน 1 และไอคอน 4
จะแสดงว่าไม่ได้แตกต่างกันอย่างมีนัยยะสำคัญ
ทว่าเมื่อดูจากกราฟแสดงการกระจายตัวของข้อมูลแล้ว พบว่า ไอคอน 1
มีการกระจายตัวของข้อมูลน้อยกว่าไอคอนอื่นๆ
ซึ่งหมายความว่าการประมาณค่าประชากรจากข้อมูลตัวอย่าง นั้นมีความแม่นยำ น่าเชื่อถือ
และความแปรปรวนต่ำ จึงเห็นว่า ไอคอน 1 สามารถสื่อความหมาย “บริการอื่นๆของ MEA”
ได้มากที่สุด อาจเพิ่มคำว่า MEA
ลงไปเป็นส่วนหนึ่งของไอคอนเหล่านั้นด้วยก็จะสื่อมากขึ้นก็จะสื่อมากขึ้น
---
title: "MEA services ICON Survey Report"
subtitle: "Asst. Prof. Inthraporn (Joop) Aranyanak, PhD"
output: html_notebook
---
```{r}
install.packages("readxl")
install.packages("openxlsx")
install.packages("ggplot2")
#install.packages("tidyverse")
install.packages("multcomp")
install.packages("magick")
```

Upload the file into the dataframe

```{r}
library(readxl)
library(ggplot2)
library(tidyverse)
library(multcomp)
library(dplyr)
library(magick)
```

![ICONS](/Users\User\Desktop\Survey Signup +Icon\MEA Sevices Icon Survey.png)
```{r}
data <- read_excel("C:\\Users\\User\\Desktop\\Survey Signup +Icon\\MEAservicesIcon.xlsx")
# print(data)
summary(data)
```
```{r}
# เปลี่ยนรูปแบบจาก wide เป็น narrow
data2 <- data %>%
  pivot_longer(cols = starts_with("Icon"),
               names_to = "variable",      
               values_to = "value") %>%
  mutate(variable = as.factor(variable))
# print(data2)

#คำนวณ mean & SD เพื่อนำไปใช้ในการสร้าง Error Bar
summary_data <- data2 %>%
  group_by(variable) %>%
  summarize(
    mean_value = mean(value),
    se = sd(value) / sqrt(n()))

print(summary_data)
```
```{r}

#สร้างกราฟแท่งจาก Mean ของแต่ละไอคอน พร้อมใส่ Error Bar

ggplot(summary_data, aes(x = variable, y = mean_value)) +
  geom_bar(stat = "identity", fill = "orange", width = 0.6) +
  geom_errorbar(aes(ymin = mean_value - se*1.96, ymax = mean_value + se*1.96), width = 0.2) +
  geom_text(aes(label = round(mean_value, 2), y = mean_value), vjust = -0.5, , hjust = -0.3, size = 3, color = "blue") +
  labs(title = "กราฟแสดงผลความพึงพอใจของแต่ละรูปแบบไอคอน", x = "รูปแบบไอคอน", y = "ระดับความพึงพอใจ")

# การสร้างกราฟ(เป็นBoxplot ดูการกระจายตัวของข้อมูล (Data distribution)
ggplot(data2, aes(x = variable, y = value)) +
  geom_boxplot() +
  labs(title = "แจกแจงการกระจายตัวข้อมูลของแต่ละไอคอน",
       x = "รูปแบบไอคอน",
       y = "ค่าความพึงพอใจ")

```


```{r}
# การวิเคราะห์ ANOVA เพื่อดูผลภาพรวมความต่างว่ามีนัยสำคัญหรือไม่
 anova_result <- aov(value ~ variable , data = data2)
 summary(anova_result)
```
>> จากผลการวิเคราะห์ด้านบนสรุปได้ว่าค่า P Value< 0.05 จึงสรุปได้ว่าระดับความพึงพอใจของไอคอนเหล่านั้นมีความแตกต่างกันอย่างมีนัยสำคัญ

```{r}
#แล้วมาเปรียบเทียบทีละคู่ว่าต่างกันอย่างมีนัยสำคัญหรือไม่
posthoc_result <- glht(anova_result, linfct = mcp(variable = "Tukey"))
 summary(posthoc_result)
```
>>ผลสรุปจากค่าสถิติและจากกราฟแสดงให้เห็นว่าคะแนนเฉลี่ยว่าไอคอนเหล่านี้สื่อความหมายมากที่สุด
ตามลำดับ โดยสามลำดับแรกก็คือ Icon 1, Icon 4, Icon 6 และเมื่อวิเคราะห์โดยละเอียดจากค่าทางสถิติพบว่า Icon 1 กับ Icon 4 ไม่ได้มีผลที่ต่างกันอย่างมีนัยสำคัญทางสถิติ โดยคอมเม้นต์จากผู้ใช้ได้อธิบายเหตุผลของไอคอนที่สื่อมากที่สุดในสามอันดับแรกว่า
     
     ไอคอน 1 มากที่สุดว่า เรียบง่ายแต่เข้าใจได้ดี และเป็นมาตรฐานที่ใช้บน Mobile application ว่าเป็นบริการอื่นๆ และคุ้นเคยกับไอคอนนี้ 
     ไอคอน 4 รองลงมา ผู้ใช้ส่วนใหญ่เห็นว่าสัญลักษณ์ไฟฟ้าสื่อถึงบริการจาก กฟน. ส่วนมือสื่อถึงการให้บริการ
     ไอคอน 6 ผู้ใช้ได้ให้ความเห็นว่า เป็นไอคอนที่น่ารัก ดูทันสมัย ดูสื่อถึงการบริการที่เกี่ยวกับการไฟฟ้า ทาง ช่าง/วิศวะที่เป็นบริการประเภทซ่อมแซม
      
>> แต่แม้ว่าจากการวิเคราะห์ทางสถิติของไอคอน 1 และไอคอน 4  จะแสดงว่าไม่ได้แตกต่างกันอย่างมีนัยยะสำคัญ ทว่าเมื่อดูจากกราฟแสดงการกระจายตัวของข้อมูลแล้ว พบว่า ไอคอน 1 มีการกระจายตัวของข้อมูลน้อยกว่าไอคอนอื่นๆ ซึ่งหมายความว่าการประมาณค่าประชากรจากข้อมูลตัวอย่าง
นั้นมีความแม่นยำ น่าเชื่อถือ และความแปรปรวนต่ำ จึงเห็นว่า ไอคอน 1 สามารถสื่อความหมาย "บริการอื่นๆของ MEA" ได้มากที่สุด อาจเพิ่มคำว่า MEA ลงไปเป็นส่วนหนึ่งของไอคอนเหล่านั้นด้วยก็จะสื่อมากขึ้นก็จะสื่อมากขึ้น


