Метою цієї статті є дослідження чинників, що впливають на страх перед злочиністю (страх перед окремими злочинами) серед київських студентів, а саме відчуття безпеки в громадських місцях та сприйняття проблем безпеки в районі проживання, як безпосередньо, так і через медіатор - суб’єктивну оцінку ризику віктимізації.

Дані та методи вимірювання

Для емпіричного аналізу використано дані соціологічного опитування “Безпекова ситуація в м. Києві — 2016” (дивись “Додаткові матеріали”). Збір первинної інформації здійснювався методом самозаповнення анкети серед київських студентів протягом жовтня-листопада 2016 року. Опитування проводилося українською мовою за принципом зручної вибірки, до якої увійшло 512 респондентів з п’яти столичних закладів вищої освіти. Застосування зручної вибірки не дозволяє екстраполювати отримані результати на генеральну сукупність, однак забезпечує достатню якість емпіричних даних для ілюстративного аналізу та пілотних досліджень.

Мета - дослідження опосередкованих ефектів за допомогою шляхового аналізу.

Змінні
Для цього аналізу з анкети були відібрані 27 запитань з Лікерт-подібною шкалою (Likert-type scale) з 4-бальним діапазоном відповідей, а також запитання щодо статі респондента.
Шкала деяких змінних була перекодована, аби більший бал за шкалою відповідав більшому страху перед злочиністю, більшій суб’єктивній занепокоєності постраждати від злочинів, більшому страху, що викликає міське середовище, більшій проблемі з безпекою у районі.
Індекс, сконструйований як агрегований показник, що обчислюється шляхом сумування значень окремих ознак з подальшим діленням отриманої суми на кількість врахованих ознак.

Ендогенна (залежна) змінна
Сприйняття страху перед злочиністю (FC) — емоційна реакція.
В опитуванні респондентам ставилися запитання щодо їхніх побоювань стосовно здійснення різних протиправних дій проти них, зокрема: наскільки вони бояться крадіжки з їхнього помешкання, образливого поводження, нападу та застосування фізичної сили, відбирання речей погрозою або силою, крадіжки особистих речей у транспорті чи на вулиці, а також заволодіння їхнім майном або грошима шляхом обману.

Екзогенні (незалежні) змінні
Відчуття безпеки в громадських місцях в світлий період доби (SAFD) — афективна оцінка безпеки в громадських місцях.
У дослідженні респондентів запитували, наскільки безпечно вони почуваються у світлий час доби: йдучи в районі, де вони мешкають; у магазинах та аптеках; у місцях відпочинку, дозвілля та розваг; а також користуючись громадським транспортом.

Відчуття безпеки в громадських місцях в темний період доби (SAFN) — афективна оцінка безпеки в громадських місцях.
У дослідженні респондентів запитували, наскільки безпечно вони почуваються у темний час доби після 22 години: йдучи в районі, де вони мешкають; у магазинах та аптеках; у місцях відпочинку, дозвілля та розваг; а також користуючись громадським транспортом.

Два близьких за змістом індекса (SAFD та SAFN) були об’єднані в індекс - Відчуття безпеки в громадських місцях (SAF).

Сприйняття проблем безпеки у районі проживання (SP) — прояви антисоціальної поведінки та злочинності: вандалізм та пошкодження майна, вживання та розповсюдження наркотиків, присутність хуліганів та п’яниць у громадських місцях, крадіжки з помешкань та особистих речей, напади та побиття, а також агресивне водіння та порушення правил дорожнього руху.

Медіатор
Суб’єктивна оцінка віктимізації (PRBC) — когнітивна оцінка майбутнього. У дослідженні респондентам також пропонувалося оцінити потенційний ризик таких ситуацій: крадіжка з їхнього помешкання, образливе поводження та цькування, напад із застосуванням фізичної сили, відбирання речей погрозою або силою, крадіжка особистих речей у транспорті чи на вулиці, а також заволодіння їхнім майном або грошима шляхом обману.
PRBC виступала незалежною змінною по відношенню до страху перед злочиністю. Своєю чергою PRBC була залежною змінною по відношенню до відчуття безпеки в громадських місцях (в світлий та темний період доби), сприйняття проблем безпеки у районі проживання.

В цьому дослідженні медіація означає, що незалежні змінні (SAF та SP) впливають на залежну змінну (FC) як безпосередньо, так і опосередковано через медіатор (PRBC).

library(DiagrammeR)

## Warning: package 'DiagrammeR' was built under R version 4.4.2

var_names <- c("SAF", "SP", "PRBC", "FC")
paths <- rbind(c(0, 0, 1, 1),
                c(0, 0, 1, 1),
                c(0, 0, 0, 1))

diagram <- grViz("
  digraph boxedNote {
    node [shape=box, fontname=Helvetica]
    SAF -> PRBC
    SP -> PRBC
    SAF -> FC
    SP -> FC
    PRBC -> FC
    
    SAF [label='SAF']
    SP [label='SP']
    PRBC [label='PRBC']
    FC [label='FC']
    rankdir = LR
  }
")

diagram

# Завантажуємо пакети
library(haven)
library(dplyr)
library(performance)
library(lavaan)
library(lavaanExtra)
library(lavaanPlot)
library(corrplot)
library(ggcorrplot)
library(sjmisc)
library(psych)
library(knitr)

setwd("D:/Lichnoe/2024/FOC2016/FOC2016m")

#setwd("E:/DNDI/DNDI/2016/FOC2016/FOC2016m")

dataset <- read_sav("sub_SAFE2016.sav")

df=na.omit(dataset)

Одновимірні розподіли та коефіцієнти альфа Кронбаха

FC

Сприйняття страху перед злочиністю
Номер, після якого наводиться скорочене формулювання запитання, відповідає порядкові розташування в анкеті.

frq(df[1:6])

## 23. Наскільки Ви боїтеся ... здiйснить крадiжку з Вашого помешкання (fc1) <numeric> 
## # total N=475 valid N=475 mean=2.43 sd=0.89
## 
## Value |            Label |   N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
##   -99 |  Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Зовсiм не боюся |  68 | 14.32 |   14.32 |  14.32
##     2 | Скорiше не боюся | 197 | 41.47 |   41.47 |  55.79
##     3 |    Скорiше боюся | 147 | 30.95 |   30.95 |  86.74
##     4 |       Дуже боюся |  63 | 13.26 |   13.26 | 100.00
##  <NA> |             <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 24. Наскільки Ви боїтеся ... чiплятиметься до Вас i ображатиме (fc2) <numeric> 
## # total N=475 valid N=475 mean=2.24 sd=0.92
## 
## Value |            Label |   N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
##   -99 |  Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Зовсiм не боюся | 109 | 22.95 |   22.95 |  22.95
##     2 | Скорiше не боюся | 187 | 39.37 |   39.37 |  62.32
##     3 |    Скорiше боюся | 133 | 28.00 |   28.00 |  90.32
##     4 |       Дуже боюся |  46 |  9.68 |    9.68 | 100.00
##  <NA> |             <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 25. Наскільки Ви боїтеся ... нападе та застосує фiзичну силу (fc3) <numeric> 
## # total N=475 valid N=475 mean=2.48 sd=0.92
## 
## Value |            Label |   N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
##   -99 |  Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Зовсiм не боюся |  72 | 15.16 |   15.16 |  15.16
##     2 | Скорiше не боюся | 171 | 36.00 |   36.00 |  51.16
##     3 |    Скорiше боюся | 163 | 34.32 |   34.32 |  85.47
##     4 |       Дуже боюся |  69 | 14.53 |   14.53 | 100.00
##  <NA> |             <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 26. Наскільки Ви боїтеся ... вiдбере погрозою або силою якусь Вашу рiч (телефон) (fc4) <numeric> 
## # total N=475 valid N=475 mean=2.49 sd=0.90
## 
## Value |            Label |   N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
##   -99 |  Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Зовсiм не боюся |  71 | 14.95 |   14.95 |  14.95
##     2 | Скорiше не боюся | 164 | 34.53 |   34.53 |  49.47
##     3 |    Скорiше боюся | 178 | 37.47 |   37.47 |  86.95
##     4 |       Дуже боюся |  62 | 13.05 |   13.05 | 100.00
##  <NA> |             <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 27. Наскільки Ви боїтеся ... поцупить Ваші особистi речi (у транспортi, на вулицi) (fc5) <numeric> 
## # total N=475 valid N=475 mean=2.71 sd=0.87
## 
## Value |            Label |   N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
##   -99 |  Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Зовсiм не боюся |  44 |  9.26 |    9.26 |   9.26
##     2 | Скорiше не боюся | 140 | 29.47 |   29.47 |  38.74
##     3 |    Скорiше боюся | 203 | 42.74 |   42.74 |  81.47
##     4 |       Дуже боюся |  88 | 18.53 |   18.53 | 100.00
##  <NA> |             <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 29. Наскільки Ви боїтеся ... заволодiє Вашим майном чи грошима шляхом обману (fc6) <numeric> 
## # total N=475 valid N=475 mean=2.31 sd=0.93
## 
## Value |            Label |   N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
##   -99 |  Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Зовсiм не боюся | 102 | 21.47 |   21.47 |  21.47
##     2 | Скорiше не боюся | 173 | 36.42 |   36.42 |  57.89
##     3 |    Скорiше боюся | 149 | 31.37 |   31.37 |  89.26
##     4 |       Дуже боюся |  51 | 10.74 |   10.74 | 100.00
##  <NA> |             <NA> |   0 |  0.00 |    <NA> |   <NA>

df %>%
  select(1:6) %>%
  alpha() %>%
  {.$total} %>%
  round(2)

##  raw_alpha std.alpha G6(smc) average_r  S/N  ase mean  sd median_r
##       0.87      0.87    0.86      0.52 6.44 0.01 2.44 0.7     0.49

PRBC

Суб’єктивна оцінка віктимізації
Номер, після якого наводиться скорочене формулювання запитання, відповідає порядкові розташування в анкеті.

frq(df[7:12])

## 32. Як Ви оцінюєте потенційний ризик ... здiйснить крадiжку з Вашого помешкання (prbc1) <numeric> 
## # total N=475 valid N=475 mean=2.02 sd=0.72
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##   -99 |   Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 | Зовсiм неймовiрно | 106 | 22.32 |   22.32 |  22.32
##     2 |  Не дуже iмовiрно | 265 | 55.79 |   55.79 |  78.11
##     3 |          iмовiрно |  92 | 19.37 |   19.37 |  97.47
##     4 |     Дуже iмовiрно |  12 |  2.53 |    2.53 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 33. Як Ви оцінюєте потенційний ризик ... чiплятиметься до Вас i ображатиме (prbc2) <numeric> 
## # total N=475 valid N=475 mean=2.11 sd=0.73
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##   -99 |   Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 | Зовсiм неймовiрно |  93 | 19.58 |   19.58 |  19.58
##     2 |  Не дуже iмовiрно | 243 | 51.16 |   51.16 |  70.74
##     3 |          iмовiрно | 131 | 27.58 |   27.58 |  98.32
##     4 |     Дуже iмовiрно |   8 |  1.68 |    1.68 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 34. Як Ви оцінюєте потенційний ризик ... нападе на Вас та застосує фiзичну силу (prbc3) <numeric> 
## # total N=475 valid N=475 mean=2.13 sd=0.70
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##   -99 |   Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 | Зовсiм неймовiрно |  76 | 16.00 |   16.00 |  16.00
##     2 |  Не дуже iмовiрно | 275 | 57.89 |   57.89 |  73.89
##     3 |          iмовiрно | 110 | 23.16 |   23.16 |  97.05
##     4 |     Дуже iмовiрно |  14 |  2.95 |    2.95 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 35. Як Ви оцінюєте потенційний ризик ... вiдбере погрозою або силою у Вас якусь рiч (телефон) (prbc4) <numeric> 
## # total N=475 valid N=475 mean=2.17 sd=0.76
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##   -99 |   Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 | Зовсiм неймовiрно |  88 | 18.53 |   18.53 |  18.53
##     2 |  Не дуже iмовiрно | 236 | 49.68 |   49.68 |  68.21
##     3 |          iмовiрно | 135 | 28.42 |   28.42 |  96.63
##     4 |     Дуже iмовiрно |  16 |  3.37 |    3.37 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 36. Як Ви оцінюєте потенційний ризик ... поцупить Ваші особистi речi (у транспортi, на вулицi) (prbc5) <numeric> 
## # total N=475 valid N=475 mean=2.43 sd=0.81
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##   -99 |   Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 | Зовсiм неймовiрно |  57 | 12.00 |   12.00 |  12.00
##     2 |  Не дуже iмовiрно | 195 | 41.05 |   41.05 |  53.05
##     3 |          iмовiрно | 184 | 38.74 |   38.74 |  91.79
##     4 |     Дуже iмовiрно |  39 |  8.21 |    8.21 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 38. Як Ви оцінюєте потенційний ризик ... заволодiє Вашим майном чи грошима шляхом обману (prbc6) <numeric> 
## # total N=475 valid N=475 mean=1.97 sd=0.77
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##   -99 |   Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 | Зовсiм неймовiрно | 131 | 27.58 |   27.58 |  27.58
##     2 |  Не дуже iмовiрно | 245 | 51.58 |   51.58 |  79.16
##     3 |          iмовiрно |  83 | 17.47 |   17.47 |  96.63
##     4 |     Дуже iмовiрно |  16 |  3.37 |    3.37 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>

#  Розрахунок альфа Кронбаха для PRBC
df %>%
  select(7:12) %>%
  alpha() %>%
  {.$total} %>%
  round(2)

##  raw_alpha std.alpha G6(smc) average_r  S/N  ase mean   sd median_r
##       0.85      0.85    0.84      0.49 5.69 0.01 2.14 0.57     0.45

SAFD

Відчуття безпеки в громадських місцях в світлий період доби
Номер, після якого наводиться скорочене формулювання запитання, відповідає порядкові розташування в анкеті.

frq(df[13:16])

## 13. Наскільки безпечно Ви почуваєтесь ... у свiтлий час доби йдучи в районi, де Ви мешкаєте (safd1) <numeric> 
## # total N=475 valid N=475 mean=1.70 sd=0.67
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно | 195 | 41.05 |   41.05 |  41.05
##     2 |          Безпечно | 234 | 49.26 |   49.26 |  90.32
##     3 |        Небезпечно |  41 |  8.63 |    8.63 |  98.95
##     4 | Зовсім небезпечно |   5 |  1.05 |    1.05 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 14. Наскільки безпечно Ви почуваєтесь ... у свiтлий час доби у магазинах, аптеках (safd2) <numeric> 
## # total N=475 valid N=475 mean=1.46 sd=0.58
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно | 275 | 57.89 |   57.89 |  57.89
##     2 |          Безпечно | 185 | 38.95 |   38.95 |  96.84
##     3 |        Небезпечно |  12 |  2.53 |    2.53 |  99.37
##     4 | Зовсім небезпечно |   3 |  0.63 |    0.63 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 15. Наскільки безпечно Ви почуваєтесь ... у свiтлий час доби у мiсцях вiдпочинку, дозвiлля, розваг (safd3) <numeric> 
## # total N=475 valid N=475 mean=1.69 sd=0.66
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно | 194 | 40.84 |   40.84 |  40.84
##     2 |          Безпечно | 240 | 50.53 |   50.53 |  91.37
##     3 |        Небезпечно |  36 |  7.58 |    7.58 |  98.95
##     4 | Зовсім небезпечно |   5 |  1.05 |    1.05 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 16. Наскільки безпечно Ви почуваєтесь ... у свiтлий час доби користуючись громадським транспортом (safd4) <numeric> 
## # total N=475 valid N=475 mean=2.15 sd=0.78
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно |  97 | 20.42 |   20.42 |  20.42
##     2 |          Безпечно | 226 | 47.58 |   47.58 |  68.00
##     3 |        Небезпечно | 134 | 28.21 |   28.21 |  96.21
##     4 | Зовсім небезпечно |  18 |  3.79 |    3.79 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>

# Розрахунок альфа Кронбаха для SAFD
df %>%
  select(13:16) %>%
  alpha() %>%
  {.$total} %>%
  round(2)

##  raw_alpha std.alpha G6(smc) average_r  S/N  ase mean   sd median_r
##        0.8      0.81    0.77      0.51 4.22 0.01 1.75 0.54      0.5

SAFN

Відчуття безпеки в громадських місцях в темний період доби
Номер, після якого наводиться скорочене формулювання запитання, відповідає порядкові розташування в анкеті.

frq(df[17:20])

## 18. Наскільки безпечно Ви почуваєтесь ... у темний час доби пiсля 22 години йдучи в районi, де Ви мешкаєте (safn1) <numeric> 
## # total N=475 valid N=475 mean=2.39 sd=0.82
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно |  63 | 13.26 |   13.26 |  13.26
##     2 |          Безпечно | 201 | 42.32 |   42.32 |  55.58
##     3 |        Небезпечно | 172 | 36.21 |   36.21 |  91.79
##     4 | Зовсім небезпечно |  39 |  8.21 |    8.21 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 19. Наскільки безпечно Ви почуваєтесь ... у темний час доби пiсля 22 години у магазинах, аптеках (safn2) <numeric> 
## # total N=475 valid N=475 mean=1.85 sd=0.73
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно | 157 | 33.05 |   33.05 |  33.05
##     2 |          Безпечно | 239 | 50.32 |   50.32 |  83.37
##     3 |        Небезпечно |  70 | 14.74 |   14.74 |  98.11
##     4 | Зовсім небезпечно |   9 |  1.89 |    1.89 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 20. Наскільки безпечно Ви почуваєтесь ... у темний час доби пiсля 22 години у мiсцях вiдпочинку, дозвілля, розваг (safn3) <numeric> 
## # total N=475 valid N=475 mean=2.28 sd=0.80
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно |  76 | 16.00 |   16.00 |  16.00
##     2 |          Безпечно | 215 | 45.26 |   45.26 |  61.26
##     3 |        Небезпечно | 157 | 33.05 |   33.05 |  94.32
##     4 | Зовсім небезпечно |  27 |  5.68 |    5.68 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 21. Наскільки безпечно Ви почуваєтесь ... у темний час доби пiсля 22 години користуючись громадським транспортом (safn4) <numeric> 
## # total N=475 valid N=475 mean=2.50 sd=0.86
## 
## Value |             Label |   N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
##     1 |   Зовсім безпечно |  58 | 12.21 |   12.21 |  12.21
##     2 |          Безпечно | 179 | 37.68 |   37.68 |  49.89
##     3 |        Небезпечно | 179 | 37.68 |   37.68 |  87.58
##     4 | Зовсім небезпечно |  59 | 12.42 |   12.42 | 100.00
##  <NA> |              <NA> |   0 |  0.00 |    <NA> |   <NA>

# Розрахунок альфа Кронбаха для SAFN
df %>%
  select(17:20) %>%
 alpha() %>%
  {.$total} %>%
  round(2)

##  raw_alpha std.alpha G6(smc) average_r  S/N  ase mean   sd median_r
##       0.81      0.81    0.77      0.52 4.29 0.01 2.26 0.64     0.52

SP

Сприйняття проблем безпеки у районі проживання
Номер, після якого наводиться скорочене формулювання запитання, відповідає порядкові розташування в анкеті.

frq(df[21:27])

## 42. Наскільки проблемою у районі ... вандалiзм, пошкодження майна або автомобiлiв (sp1) <numeric> 
## # total N=475 valid N=475 mean=1.97 sd=0.86
## 
## Value |                Label |   N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------
##   -99 |      Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Не проблема взагалi | 159 | 33.47 |   33.47 |  33.47
##     2 |   Незначна  проблема | 194 | 40.84 |   40.84 |  74.32
##     3 |      Велика проблема |  98 | 20.63 |   20.63 |  94.95
##     4 | Дуже велика проблема |  24 |  5.05 |    5.05 | 100.00
##  <NA> |                 <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 43. Наскільки проблемою у районі ... люди, якi вживають або поширюють наркотики (sp2) <numeric> 
## # total N=475 valid N=475 mean=2.17 sd=1.00
## 
## Value |                Label |   N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------
##   -99 |      Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Не проблема взагалi | 148 | 31.16 |   31.16 |  31.16
##     2 |   Незначна  проблема | 153 | 32.21 |   32.21 |  63.37
##     3 |      Велика проблема | 118 | 24.84 |   24.84 |  88.21
##     4 | Дуже велика проблема |  56 | 11.79 |   11.79 | 100.00
##  <NA> |                 <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 44. Наскільки проблемою у районі ... хулiгани та п'яницi у громадських мiсцях (sp3) <numeric> 
## # total N=475 valid N=475 mean=2.51 sd=0.87
## 
## Value |                Label |   N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------
##   -99 |      Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Не проблема взагалi |  63 | 13.26 |   13.26 |  13.26
##     2 |   Незначна  проблема | 165 | 34.74 |   34.74 |  48.00
##     3 |      Велика проблема | 189 | 39.79 |   39.79 |  87.79
##     4 | Дуже велика проблема |  58 | 12.21 |   12.21 | 100.00
##  <NA> |                 <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 46. Наскільки проблемою у районі ... крадiжки з помешкань (sp4) <numeric> 
## # total N=475 valid N=475 mean=2.35 sd=0.92
## 
## Value |                Label |   N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------
##   -99 |      Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Не проблема взагалi |  89 | 18.74 |   18.74 |  18.74
##     2 |   Незначна  проблема | 186 | 39.16 |   39.16 |  57.89
##     3 |      Велика проблема | 144 | 30.32 |   30.32 |  88.21
##     4 | Дуже велика проблема |  56 | 11.79 |   11.79 | 100.00
##  <NA> |                 <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 47. Наскільки проблемою у районі ... крадiжки особистих речей (у транспортi, на вулицi) (sp5) <numeric> 
## # total N=475 valid N=475 mean=2.41 sd=0.92
## 
## Value |                Label |   N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------
##   -99 |      Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Не проблема взагалi |  82 | 17.26 |   17.26 |  17.26
##     2 |   Незначна  проблема | 174 | 36.63 |   36.63 |  53.89
##     3 |      Велика проблема | 159 | 33.47 |   33.47 |  87.37
##     4 | Дуже велика проблема |  60 | 12.63 |   12.63 | 100.00
##  <NA> |                 <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 48. Наскільки проблемою у районі ... напади, побиття (sp6) <numeric> 
## # total N=475 valid N=475 mean=2.22 sd=0.92
## 
## Value |                Label |   N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------
##   -99 |      Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Не проблема взагалi | 114 | 24.00 |   24.00 |  24.00
##     2 |   Незначна  проблема | 188 | 39.58 |   39.58 |  63.58
##     3 |      Велика проблема | 128 | 26.95 |   26.95 |  90.53
##     4 | Дуже велика проблема |  45 |  9.47 |    9.47 | 100.00
##  <NA> |                 <NA> |   0 |  0.00 |    <NA> |   <NA>
## 
## 49. Наскільки проблемою у районі ... агресивнi водiї, порушення правил дорожнього руху (sp7) <numeric> 
## # total N=475 valid N=475 mean=2.40 sd=0.94
## 
## Value |                Label |   N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------
##   -99 |      Немає відповіді |   0 |  0.00 |    0.00 |   0.00
##     1 |  Не проблема взагалi |  86 | 18.11 |   18.11 |  18.11
##     2 |   Незначна  проблема | 177 | 37.26 |   37.26 |  55.37
##     3 |      Велика проблема | 146 | 30.74 |   30.74 |  86.11
##     4 | Дуже велика проблема |  66 | 13.89 |   13.89 | 100.00
##  <NA> |                 <NA> |   0 |  0.00 |    <NA> |   <NA>

# Розрахунок альфа Кронбаха для SP
df %>%
  select(21:27) %>%
  alpha() %>%
  {.$total} %>%
  round(2)

##  raw_alpha std.alpha G6(smc) average_r S/N  ase mean   sd median_r
##       0.85      0.85    0.84      0.44 5.5 0.01 2.29 0.66     0.42

Кореляція між змінними

# Обчислення кореляційної матриці
cor_matrix <- cor(df[1:27])

corrplot(cor_matrix, method = "color", type = "upper", tl.col = "black", tl.srt = 45, addrect = 2, 
         col = colorRampPalette(c("#6D9EC1", "white", "#E46726"))(200))

cor_matrix<-round(cor_matrix,2)

# Встановлення цифр над діагоналлю на NA
cor_matrix[upper.tri(cor_matrix)] <- ""

# Вивід таблиці з форматуванням двох знаків після коми
kable(cor_matrix, format = "markdown")

	fc1	fc2	fc3	fc4	fc5	fc6	prbc1	prbc2	prbc3	prbc4	prbc5	prbc6	safd1	safd2	safd3	safd4	safn1	safn2	safn3	safn4	sp1	sp2	sp3	sp4	sp5	sp6	sp7
fc1	1
fc2	0.44	1
fc3	0.49	0.74	1
fc4	0.49	0.64	0.73	1
fc5	0.44	0.51	0.55	0.63	1
fc6	0.37	0.4	0.44	0.43	0.46	1
prbc1	0.48	0.24	0.22	0.27	0.26	0.2	1
prbc2	0.2	0.41	0.33	0.36	0.33	0.29	0.43	1
prbc3	0.24	0.34	0.44	0.36	0.33	0.29	0.42	0.62	1
prbc4	0.29	0.37	0.38	0.47	0.4	0.32	0.42	0.58	0.66	1
prbc5	0.27	0.34	0.31	0.38	0.52	0.29	0.45	0.5	0.54	0.63	1
prbc6	0.18	0.19	0.2	0.21	0.25	0.4	0.37	0.38	0.42	0.43	0.45	1
safd1	0.24	0.25	0.24	0.21	0.2	0.14	0.24	0.25	0.22	0.22	0.25	0.28	1
safd2	0.16	0.22	0.17	0.16	0.19	0.17	0.2	0.29	0.23	0.22	0.24	0.26	0.49	1
safd3	0.14	0.19	0.17	0.13	0.15	0.14	0.19	0.24	0.19	0.19	0.21	0.29	0.45	0.64	1
safd4	0.18	0.26	0.22	0.24	0.3	0.11	0.2	0.28	0.2	0.27	0.29	0.24	0.46	0.5	0.53	1
safn1	0.23	0.3	0.28	0.26	0.29	0.15	0.27	0.3	0.28	0.33	0.27	0.16	0.5	0.31	0.31	0.38	1
safn2	0.18	0.26	0.17	0.18	0.23	0.14	0.21	0.27	0.25	0.2	0.24	0.23	0.38	0.56	0.47	0.44	0.49	1
safn3	0.18	0.22	0.2	0.17	0.2	0.16	0.12	0.28	0.17	0.18	0.19	0.21	0.3	0.41	0.54	0.45	0.42	0.59	1
safn4	0.19	0.29	0.28	0.28	0.38	0.16	0.15	0.27	0.22	0.27	0.3	0.17	0.35	0.38	0.41	0.67	0.5	0.55	0.57	1
sp1	0.2	0.11	0.11	0.12	0.15	0.17	0.18	0.16	0.09	0.12	0.1	0.16	0.2	0.14	0.1	0.19	0.25	0.15	0.12	0.14	1
sp2	0.09	0.07	0.05	0.07	0.09	0.11	0.11	0.14	0.08	0.04	0.01	0.08	0.06	0.06	0.09	0.11	0.09	0.09	0.09	0.05	0.46	1
sp3	0.19	0.2	0.2	0.19	0.22	0.15	0.2	0.21	0.21	0.18	0.14	0.15	0.2	0.1	0.15	0.18	0.33	0.18	0.2	0.21	0.48	0.53	1
sp4	0.35	0.16	0.13	0.17	0.21	0.19	0.34	0.23	0.21	0.2	0.21	0.17	0.14	0.17	0.18	0.22	0.23	0.21	0.17	0.16	0.4	0.36	0.4	1
sp5	0.23	0.21	0.17	0.27	0.37	0.21	0.27	0.3	0.23	0.3	0.31	0.23	0.18	0.17	0.17	0.26	0.25	0.17	0.18	0.24	0.39	0.33	0.44	0.58	1
sp6	0.24	0.15	0.19	0.2	0.25	0.21	0.21	0.2	0.24	0.21	0.15	0.2	0.23	0.15	0.16	0.18	0.25	0.18	0.18	0.13	0.4	0.42	0.46	0.53	0.59	1
sp7	0.14	0.15	0.13	0.1	0.16	0.1	0.17	0.22	0.15	0.15	0.16	0.2	0.17	0.17	0.16	0.18	0.18	0.19	0.18	0.14	0.33	0.36	0.4	0.37	0.49	0.51	1

Аналіз головних компонент

Головні компоненти” (principal components) — це нові змінні, які є лінійними комбінаціями вихідних змінних і максимізують дисперсію даних. Сам процес знаходження цих головних компонент називається аналізом головних компонент (principal component analysis, PCA).

foc.pca<-principal(r = df[1:27], nfactors = 4)
pca_table <- print.psych(foc.pca, cut = 0.3)

## Principal Components Analysis
## Call: principal(r = df[1:27], nfactors = 4)
## Standardized loadings (pattern matrix) based upon correlation matrix
##        RC3   RC1  RC2   RC4   h2   u2 com
## fc1         0.62            0.46 0.54 1.4
## fc2         0.78            0.68 0.32 1.2
## fc3         0.85            0.77 0.23 1.1
## fc4         0.84            0.76 0.24 1.2
## fc5         0.70            0.60 0.40 1.5
## fc6         0.54            0.38 0.62 1.6
## prbc1                  0.61 0.46 0.54 1.5
## prbc2                  0.69 0.58 0.42 1.5
## prbc3                  0.76 0.65 0.35 1.3
## prbc4       0.31       0.75 0.69 0.31 1.4
## prbc5                  0.73 0.63 0.37 1.4
## prbc6                  0.65 0.48 0.52 1.3
## safd1 0.61                  0.43 0.57 1.3
## safd2 0.73                  0.57 0.43 1.2
## safd3 0.75                  0.59 0.41 1.1
## safd4 0.73                  0.59 0.41 1.2
## safn1 0.57                  0.44 0.56 1.8
## safn2 0.75                  0.60 0.40 1.1
## safn3 0.73                  0.56 0.44 1.1
## safn4 0.73                  0.60 0.40 1.3
## sp1              0.68       0.48 0.52 1.1
## sp2              0.71       0.51 0.49 1.0
## sp3              0.71       0.55 0.45 1.2
## sp4              0.69       0.53 0.47 1.2
## sp5              0.70       0.58 0.42 1.4
## sp6              0.75       0.61 0.39 1.2
## sp7              0.65       0.46 0.54 1.2
## 
##                        RC3  RC1  RC2  RC4
## SS loadings           4.32 3.74 3.71 3.46
## Proportion Var        0.16 0.14 0.14 0.13
## Cumulative Var        0.16 0.30 0.44 0.56
## Proportion Explained  0.28 0.25 0.24 0.23
## Cumulative Proportion 0.28 0.53 0.77 1.00
## 
## Mean item complexity =  1.3
## Test of the hypothesis that 4 components are sufficient.
## 
## The root mean square of the residuals (RMSR) is  0.06 
##  with the empirical chi square  1014.77  with prob <  5.6e-93 
## 
## Fit based upon off diagonal values = 0.97

round(pca_table$Vaccounted,2)

##                        RC3  RC1  RC2  RC4
## SS loadings           4.32 3.74 3.71 3.46
## Proportion Var        0.16 0.14 0.14 0.13
## Cumulative Var        0.16 0.30 0.44 0.56
## Proportion Explained  0.28 0.25 0.24 0.23
## Cumulative Proportion 0.28 0.53 0.77 1.00

Побудова інтегральних індексів

# Створимо нову змінну FC як середнє значення змінних 
df <- df %>%
  mutate(FC = rowMeans(select(., starts_with("fc"))))

# Створимо нову змінну PRBC як середнє значення змінних 
df <- df %>%
  mutate(PRBC = rowMeans(select(., starts_with("prbc"))))

# Створимо нову змінну SP як середнє значення змінних
df <- df %>%
  mutate(SP = rowMeans(select(., starts_with("sp"))))

# Створимо нові змінні SAFD, SAFN, SAF як середні значення змінних
df <- df %>%
  mutate(
    SAFD = (safd1 + safd2 + safd3 + safd4) / 4,
    SAFN = (safn1 + safn2 + safn3 + safn4) / 4,
    SAF = (SAFD + SAFN) / 2  )

# Вибираємо нові змінні в датасет dfm
dfm <- df %>%
  select(SAFD, SAFN, SAF, SP, PRBC, FC)

Описові статистики інтегральних індексів

psych::describe(dfm)

##      vars   n mean   sd median trimmed  mad min max range skew kurtosis   se
## SAFD    1 475 1.75 0.54   1.75    1.72 0.74   1   4     3 0.48     0.15 0.02
## SAFN    2 475 2.26 0.64   2.25    2.25 0.74   1   4     3 0.15    -0.20 0.03
## SAF     3 475 2.00 0.54   2.00    2.00 0.56   1   4     3 0.21    -0.24 0.02
## SP      4 475 2.29 0.66   2.29    2.28 0.64   1   4     3 0.17    -0.35 0.03
## PRBC    5 475 2.14 0.57   2.00    2.15 0.49   1   4     3 0.04     0.22 0.03
## FC      6 475 2.44 0.70   2.50    2.44 0.74   1   4     3 0.04    -0.50 0.03

Взаємозв’язок інтегральних індексів

# Графіки взаємного розподілу та значення кореляції
pairs.panels(dfm, stars=T)

Діагностика лінійної регресійної моделі

Перевірка лінійної регресійної моделі на мультколінеарність і гетероскедастичність.

FC = β₀ + β₁ * SAF + β₂ * SP + β₃ * PRBC + ε

Фактор інфляції дисперсії (VIF) використовується для оцінки ступеня мультколінеарності між змінними моделі. Значення VIF менше 5 свідчить про низьку кореляцію певного предиктора з іншими предикторами. P-значення статистики критерію Бреуша-Пагана менше 0,05 свідчить про наявність гетероскедастичності (неоднорідності дисперсії).

# Створення лінійної регресійної моделі для перевірки
model_fc <- lm(FC ~ SAF + SP + PRBC, data = dfm)

check_collinearity(model_fc) # перевірка мультколінеарності (VIF)

## # Check for Multicollinearity
## 
## Low Correlation
## 
##  Term  VIF   VIF 95% CI Increased SE Tolerance Tolerance 95% CI
##   SAF 1.27 [1.17, 1.45]         1.13      0.78     [0.69, 0.86]
##    SP 1.17 [1.09, 1.35]         1.08      0.85     [0.74, 0.92]
##  PRBC 1.28 [1.17, 1.46]         1.13      0.78     [0.68, 0.85]

check_heteroskedasticity(model_fc)  # критерій Бреуша-Пагана

## Warning: Heteroscedasticity (non-constant error variance) detected (p = 0.006).

Аналіз медіації

Модель медіації включає прямі та непрямі ефекти.
Прямі ефекти:
FC (залежна змінна) впливає на SAF, SP та PRBC.
PRBC (медіатор) впливає на SAF та SP.
Непрямі ефекти:
Непрямий ефект SAF на FC через PRBC: indirect_SAF=a⋅b
Непрямий ефект SP на FC через PRBC: indirect_SP=e⋅b
Сумарні ефекти:
Сумарний ефект SAF на FC: total_SAF=c+(a⋅b)
Сумарний ефект SP на FC: total_SP=d+(e⋅b)

# Описуємо модель медіації
mediation_model <- '
  # Прямі ефекти
  FC ~ c*SAF + d*SP + b*PRBC
  PRBC ~ a*SAF + e*SP

  # Непрямі ефекти
  indirect_SAF := a*b
  indirect_SP := e*b

  # Сумарні ефекти
  total_SAF := c + (a*b)
  total_SP := d + (e*b)
'

# Оцінюємо модель
fit <- sem(mediation_model, se= "robust.sem", data = dfm)

# Підсумок моделі
summary(fit, fit.measures = TRUE, standardized = TRUE, rsquare=TRUE)

## lavaan 0.6-19 ended normally after 1 iteration
## 
##   Estimator                                         ML
##   Optimization method                           NLMINB
##   Number of model parameters                         7
## 
##   Number of observations                           475
## 
## Model Test User Model:
##                                                       
##   Test statistic                                 0.000
##   Degrees of freedom                                 0
## 
## Model Test Baseline Model:
## 
##   Test statistic                               306.587
##   Degrees of freedom                                 5
##   P-value                                        0.000
## 
## User Model versus Baseline Model:
## 
##   Comparative Fit Index (CFI)                    1.000
##   Tucker-Lewis Index (TLI)                       1.000
## 
## Loglikelihood and Information Criteria:
## 
##   Loglikelihood user model (H0)               -753.247
##   Loglikelihood unrestricted model (H1)       -753.247
##                                                       
##   Akaike (AIC)                                1520.494
##   Bayesian (BIC)                              1549.637
##   Sample-size adjusted Bayesian (SABIC)       1527.420
## 
## Root Mean Square Error of Approximation:
## 
##   RMSEA                                          0.000
##   90 Percent confidence interval - lower         0.000
##   90 Percent confidence interval - upper         0.000
##   P-value H_0: RMSEA <= 0.050                       NA
##   P-value H_0: RMSEA >= 0.080                       NA
## 
## Standardized Root Mean Square Residual:
## 
##   SRMR                                           0.000
## 
## Parameter Estimates:
## 
##   Standard errors                           Robust.sem
##   Information                                 Expected
##   Information saturated (h1) model          Structured
## 
## Regressions:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##   FC ~                                                                  
##     SAF        (c)    0.196    0.053    3.698    0.000    0.196    0.151
##     SP         (d)    0.118    0.046    2.541    0.011    0.118    0.111
##     PRBC       (b)    0.543    0.060    8.973    0.000    0.543    0.438
##   PRBC ~                                                                
##     SAF        (a)    0.371    0.058    6.386    0.000    0.371    0.354
##     SP         (e)    0.186    0.045    4.126    0.000    0.186    0.218
## 
## Variances:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##    .FC                0.330    0.024   13.658    0.000    0.330    0.674
##    .PRBC              0.248    0.018   13.736    0.000    0.248    0.778
## 
## R-Square:
##                    Estimate
##     FC                0.326
##     PRBC              0.222
## 
## Defined Parameters:
##                    Estimate  Std.Err  z-value  P(>|z|)   Std.lv  Std.all
##     indirect_SAF      0.201    0.035    5.678    0.000    0.201    0.155
##     indirect_SP       0.101    0.027    3.695    0.000    0.101    0.095
##     total_SAF         0.397    0.063    6.253    0.000    0.397    0.306
##     total_SP          0.219    0.051    4.269    0.000    0.219    0.207

# Отримання значення R^2
lavaan_var(fit, estimate = "r2", nice_table = T)

Variable	p	R2	95% CI
FC	< .001***	.33	[0.24, 0.41]
PRBC	< .001***	.22	[0.15, 0.30]
SAF	NaN	.00	[0.00, 0.00]
SP	NaN	.00	[0.00, 0.00]

# Результати медіаціного аналізу
lavaan_reg(fit, nice_table = T)

Outcome	Predictor	SE	Z	p	b	95% CI (b)	b*	95% CI (b*)
FC	SAF	0.05	3.70	< .001***	0.20	[0.09, 0.30]	0.15	[0.07, 0.23]
FC	SP	0.05	2.54	.011*	0.12	[0.03, 0.21]	0.11	[0.03, 0.20]
FC	PRBC	0.06	8.97	< .001***	0.54	[0.42, 0.66]	0.44	[0.35, 0.53]
PRBC	SAF	0.06	6.39	< .001***	0.37	[0.26, 0.48]	0.35	[0.25, 0.45]
PRBC	SP	0.05	4.13	< .001***	0.19	[0.10, 0.27]	0.22	[0.11, 0.32]

# Непрямі ефекти
lavaan_defined(fit, nice_table = T)

User-Defined Parameter	Paths	SE	Z	p	b	95% CI (b)	b*	95% CI (b*)
indirect → SAF	a*b	0.04	5.68	< .001***	0.20	[0.13, 0.27]	0.16	[0.10, 0.21]
indirect → SP	e*b	0.03	3.69	< .001***	0.10	[0.05, 0.15]	0.10	[0.05, 0.15]
total → SAF	c+(a*b)	0.06	6.25	< .001***	0.40	[0.27, 0.52]	0.31	[0.21, 0.40]
total → SP	d+(e*b)	0.05	4.27	< .001***	0.22	[0.12, 0.32]	0.21	[0.11, 0.30]

# Шляхова діаграма з оцінками
nice_lavaanPlot(fit, coefs = TRUE, stand = TRUE)

Розрахунок сумарних ефектів

# Розрахунок сумарного ефекту SAF на FC (total_SAF)
c <- 0.151
a <- 0.354
b <- 0.438
indirect_SAF <- a * b
total_SAF <- c + indirect_SAF

# Розрахунок сумарного ефекту SP на FC (total_SP)
d <- 0.111
e <- 0.218
indirect_SP <- e * b
total_SP <- d + indirect_SP

# Виведення результатів
cat ("Суммарний ефект SAF")

## Суммарний ефект SAF

round(total_SAF,2)

## [1] 0.31

cat ("Суммарний ефект SP")

## Суммарний ефект SP

round (total_SP,2)

## [1] 0.21

Стандартизовані значення ефектів та їх статистична значущість. Ефекти SP на FC. Прямий ефект SAF на FC є статистично значущим і додатнім: 0.151 (p < 0.001).
Зі збільшенням SAF на одну стандартну одиницю FC збільшується на 0.151. стандартних одиниць. Непрямий ефект ефект SAF на FC через PRBC є статистично значущим і додатнім: 0.155 (p < 0.001).
Зі збільшенням SAF на одну стандартну одиницю відбувається збільшення PRBC, яке своєю чергою збільшує FC на 0.155 стандартних одиниць. Сумарний ефект SAF на FC є статистично значущим і додатнім: 0.306, (p < 0.001).
Ефекти SAF на FC.
Прямий ефект SP на FC є статистично значущим і додатнім: 0.111 (p = 0.011). Зі збільшенням SP на одну стандартну одиницю FC збільшується на 0.111 стандартних одиниць.
Непрямий ефект SP на FC через PRBC є статистично значущим і додатнім: 0.095 (p < 0.001).
Зі збільшенням SP на одну стандартну одиницю відбувається збільшення PRBC, яке в свою чергу збільшує FC на 0.095 стандартних одиниць.
Сумарний ефект SP на FC є статистично значущим і додатнім: 0.207 (p < 0.001).

Пррямий ефект PRBC на FC є статистично значущим і додатнім: 0.438, (p < 0.001). Зі збільшенням PRBC на одну стандартну одиницю FC збільшується на 0.438 стандартних одиниць.

Вплив змінних SAF та SP на змінну FC реалізується двома шляхами: частина впливу здійснюється безпосередньо (прямий ефект), а інша частина - опосередковано через медіатор PRBC (непрямий ефект). Оскільки обидві незалежні змінні (SAF і SP) демонструють статистично значущі прямі ефекти на залежну змінну (FC), а також статистично значущі непрямі ефекти через медіатор (PRBC), можна констатувати наявність часткової медіації.

Представлений у цій замітці підхід до медіаціного аналізу, що грунтується на сумарних балах, можна зіставити з моделюванням страху перед злочинністю з урахуванням латентних змінних.
З сучасним підходом до медіаціного аналізу можна ознайомитися за таким посиланням.

Моделювання структурними рівняннями за методом часткових найменших квадратів. https://rpubs.com/abova/foc2016pls-sem.

Додаткові матеріали.

Анкета та частина масиву, на якому здійснений аналіз, знаходиться за посиланням: https://osf.io/4mxje.

knitr::include_graphics("Q1.png")

knitr::include_graphics("Q2.png")

Дослідження страху перед злочинністю серед київських студентів: чинники та медіаційний аналіз

Андрій Бова

2024-11-19