文檔的校調：讓你的報告更具可讀性

Qmd vs. Rmd

  • 我們使用qmd或rmd是為了實現專業的線上出版與溝通。

  • 2022起Quarto Markdown (qmd)與R Markdown (rmd)同時存在。都是Positron（前RStudio公司）的產品。rmd 繼續可用，但新功能集中到qmd。

  • 長期來看多數專家認為 Quarto 會逐漸成為主流，但多數人不主張立刻把現有 Rmd 全面改寫，而是新案用 Quarto、舊案視需要慢慢轉。喜歡rmd或qmd那一個都行，都能完成工作，只是要留意兩者語法上有些微不同。

  • 2024年後學習R的學生，若只需要R便可完成所有工作，可維持用rmd；　若有可能使用到其他資料科學語言（如Python）或界面（如VSCode），不妨直接從qmd開始。

  • 特色比較：

    • Rmd特色：

      • 單行{r, opt1=T, opt2=F}簡潔。

      • R多數專案多用此，來回切換qmd十分自然。

    • Qmd優勢：

      • 基於Rmd開發，但用 #| （hash pipe) 可分多行寫，超長選項不必擠在單行; 新格式更整齊。

      • 可全域直接在檔頭YAML設定，省去各別設定單一語法框的麻煩。

語法框的選項標記

qmd與rmd的語法框選項標記　（chunk options）用於控制每個語法框的顯示效果。

若要突顯自己的發現，請考慮將自己整串的語法，依想要呈現的方式，重新分散到不同的語法框。讓次要的、瑣碎的結果隱藏起來。讀者便能更聚焦在正文及你研究發現最重要的結果圖表上。

以下是qmd的語法框選項標記重點提示：

  • 「要執行程式碼但不顯示結果」用的是 output＝false。

    #| output: false

  • 「不要顯示程式碼」用 echo＝F。

  • 「不要執行程式碼」用 eval＝F。

  • 「把訊息或警告隱藏起來」用 message＝F 及 warning＝F。

  • 「要執行但輸出結果通通都不顯示」才用（終極的） include = F。

檔頭的調節

把以下參數放入檔頭（又叫文件頭或 YAML區塊）。

注意這裡的的縮排要用空格來進行，不要用tab。

顯示程式碼 
format:
  html:
    theme: lumen 
    toc: true          # 顯示章節目錄
    toc-depth: 3       # 目錄顯示到第 3 層標題
    code-fold: true    # 程式碼預設可折疊
    code-summary: "顯示程式碼"   # 折疊按鈕的文字

自選主題風格

常見內建主題風格包括

類型 主題名稱（填在 theme: 後面）
預設 default, pandoc, none
淺色 cerulean, cosmo, flatly, journal, litera, lumen, lux, materia, minty, morph, pulse, quartz, sandstone, simplex, sketchy, spacelab, united, vapor, yeti, zephyr
深色 cyborg, darkly, slate, solar, superhero

在學界／課堂常見用法裡，qmd 內建的 HTML theme 大致有這三個特別常被採用：

  1. flatly：藍色系、乾淨、正式感足，報告與課堂講義都很多人用。

  2. cosmo：顏色稍微鮮明一點，但仍然偏正式，適合簡報式報告或教學投影片風格的 HTML。

  3. lumen：很明亮、留白感多，適合教學講義與給學生看的說明文件。

以BBQ（8.5）為例實作目標

我們使用由smilepoll.tw提供的開放資料BBQ.csv（在資料區可看到BBQ問卷檔及報表），學習如何整合本書之前的重點，進行變數描述、存檔、進行MCA探索式分析，以及二元勝算對數（確認式）分析實作。

顯示程式碼 
# 在正式操作前，用本資料夾中的章節專案檔（.Rproj）點開專案再正式開始練習
# 請用此指令確認目前工作路徑是現在章節的資料夾
here::here() # suggestion: "chapter8/8.5_網路調查資料分析實作_BBQ"

假設

假設一：對烤肉的新鮮感不再便會降低明年烤肉的意願
假設二：覺得烤肉影響健康便會降低明年烤肉的意願
假設三：覺得烤肉花費造成負擔便會降低明年烤肉的意願
假設四：覺得烤肉麻煩便會降低明年烤肉的意願
假設五：覺得烤肉影響環境便會降低明年烤肉的意願
假設六：覺得不必要見面就能聯絡感情會降低明年烤肉的意願
假設七：認為烤肉不是聯絡感情的首選便會降低明年烤肉的意願

初步處理資料檔

顯示程式碼 
# 讀入資料檔並將變數名稱字串轉為變數標籤
library(readr)
bbq <- read_csv("BBQ.csv")
nrow(bbq) # 共650列
ncol(bbq) # 共58欄

# 取出變數名稱當作變數標籤
varlabels <- colnames(bbq) # 先把變數名稱存起來當標籤用

# 拿掉標籤之後的變數名稱重新命名為V1, V2, ...
colnames(bbq)[1:58] <- paste("V", 1:58, sep = "")

# 為變數名稱裝上標籤
sjlabelled::set_label(bbq) <- varlabels # 把剛剛存的標籤裝上去

# 批次清理無效值 better way?
bbq <- sjmisc::set_na(bbq, na = "NA")

invisible(varlabels) #列出每個變數的標籤

變數編碼與描述

顯示程式碼 
library(sjmisc)
library(sjPlot)
invisible(names(bbq)) # 確認有58個變數

# 如果你是Mac使用者：可能會遇到在之後的圖片的標籤中文字變成方塊的狀況。這是你的電腦中R預設的語系，與RStudio預設的顯示語系不一致所造成的。請用下一行調整你目前顯示主題下的顯示字型（「蘋方繁中」為mac的中文字體）：
sjPlot::set_theme(theme.font = "PingFang TC")


## 依變數：「明年會不會烤肉」
# （V44）說回到烤肉，請問您明年會不會想全家人一起烤肉？ (0~10)
# table(bbq$V44)

bbq$V44r <- rec(bbq$V44, rec = "0:5=0[不會]; 6:10=1[會]", as.num = F)
frq(bbq$V44, out="viewer")
說回到烤肉，請問您明年會不會想全家人一起烤肉？ (x) <numeric>
val label frq raw.prc valid.prc cum.prc
0 33 5.08 5.08 5.08
1 20 3.08 3.08 8.15
2 23 3.54 3.54 11.69
3 45 6.92 6.92 18.62
4 49 7.54 7.54 26.15
5 136 20.92 20.92 47.08
6 109 16.77 16.77 63.85
7 85 13.08 13.08 76.92
8 56 8.62 8.62 85.54
9 33 5.08 5.08 90.62
10 61 9.38 9.38 100.00
NA NA 0 0.00 NA NA
total N=650 · valid N=650 · x̄=5.66 · σ=2.57
顯示程式碼 
frq(bbq$V44r, out="v")
說回到烤肉，請問您明年會不會想全家人一起烤肉？ (x) <categorical>
val label frq raw.prc valid.prc cum.prc
0 不會 306 47.08 47.08 47.08
1 會 344 52.92 52.92 100.00
NA NA 0 0.00 NA NA
total N=650 · valid N=650 · x̄=0.53 · σ=0.50
顯示程式碼 
plot_frq(bbq$V44r)

顯示程式碼 
## 自變數
# 假設一：「新鮮感」
# （V18）如果大家都烤肉，您會覺得「不好玩」嗎？*
#  跟別人做類似的活動，不好玩　１
#  跟別人做類似的活動也很ok啊　２
bbq$V18r <- rec(bbq$V18, rec = "1=1[不新鮮]; 2=0[沒有差]", as.num = F)
frq(bbq$V18r, out="v")
如果大家都烤肉，您會覺得「不好玩」嗎？ (x) <categorical>
val label frq raw.prc valid.prc cum.prc
0 沒有差 540 83.08 83.08 83.08
1 不新鮮 110 16.92 16.92 100.00
NA NA 0 0.00 NA NA
total N=650 · valid N=650 · x̄=0.17 · σ=0.38
顯示程式碼 
# 假設二：「對健康影響的認知」
# （V20）您覺得戶外的烤肉對您的健康有多大影響？*
#  影響很大　１
#  影響不大　２
#  完全沒影響　３
# table(bbq$V20)
bbq$V20r <- rec(
  bbq$V20,
  rec = "1=1[有很影響]; 2:3=0[影響不大或沒影響]",
  as.num = F
)
frq(bbq$V20r)
無論您喜不喜歡烤肉，現在我們來談談對它的印象吧。 您覺得戶外的烤肉對您的健康有多大影響？ (x) <categorical> 
# total N=650 valid N=650 mean=0.36 sd=0.48

Value |            Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------------
    0 | 影響不大或沒影響 | 414 | 63.69 |   63.69 |  63.69
    1 |         有很影響 | 236 | 36.31 |   36.31 | 100.00
 <NA> |             <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
# 假設三：「金錢負擔」
# （V21）對您來說，烤肉費用的支出是不是一種負擔？*
#  是，的確是種負擔　１
#  還好　２
#  不會　３
# table(bbq$V21)
bbq$V21r <- rec(bbq$V21, rec = "1=1[是負擔]; 2:3=0[還好或不算負擔]", as.num = F)
frq(bbq$V21r)
對您來說，烤肉費用的支出是不是一種負擔？ (x) <categorical> 
# total N=650 valid N=650 mean=0.34 sd=0.47

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    0 | 還好或不算負擔 | 430 | 66.15 |   66.15 |  66.15
    1 |         是負擔 | 220 | 33.85 |   33.85 | 100.00
 <NA> |           <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
# 假設四：「心力負擔」
# （V23）準備烤肉食材對您來說會不會很麻煩？*
#  會麻煩　１
#  不會麻煩　２
# table(bbq$V23)
bbq$V23r <- rec(bbq$V23, rec = "1=1[會麻煩]; 2:3=0[不會麻煩]", as.num = F)
frq(bbq$V23r) #
準備烤肉食材對您來說會不會很麻煩？ (x) <categorical> 
# total N=650 valid N=650 mean=0.74 sd=0.44

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    0 | 不會麻煩 | 167 | 25.69 |   25.69 |  25.69
    1 |   會麻煩 | 483 | 74.31 |   74.31 | 100.00
 <NA> |     <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
# 假設五：「對環境影響的認知」
# （V27）您在不在意您烤肉時造成的污染嗎？*
#  會在意，覺得多少影響了環境　１
#  還好　２
#  不會在意　３
# table(bbq$V27)
bbq$V27r <- rec(bbq$V27, rec = "1=1[會在意]; 2:3=0[還好/不會在意]", as.num = F)
frq(bbq$V27r)
您在不在意您烤肉時造成的污染嗎？ (x) <categorical> 
# total N=650 valid N=650 mean=0.63 sd=0.48

Value |         Label |   N | Raw % | Valid % | Cum. %
------------------------------------------------------
    0 | 還好/不會在意 | 240 | 36.92 |   36.92 |  36.92
    1 |        會在意 | 410 | 63.08 |   63.08 | 100.00
 <NA> |          <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
# 假設六：「見面聯絡感情是必要的（必要性）」
#  (V45) 平時用社群媒體（Line, Facebook等）與家人聯繫感情。您覺得夠不夠？*
#  很夠了。科技讓我與家人緊緊連在一起，年節不見面也不要緊。　１
#  還算夠。有了科技，家人不必一定要聚在一起。　２
#  不夠！見面較能聯絡感情，所以仍然要經常找時間團聚。　３
#  絕對不夠！我不太相信用社群媒體可以聯繫感情，一定要見到面才行。　４
#  我有其他想法：:  *　９０
# table(bbq$V45)
bbq$V45r <- rec(
  bbq$V45,
  rec = "1:2=0[不常見面不要緊]; 3,4=1[見面是必要的] ",
  as.num = F
)
frq(bbq$V45r)
平時用社群媒體（Line, Facebook等）與家人聯繫感情。您覺得夠不夠？ (x) <categorical> 
# total N=650 valid N=645 mean=0.64 sd=0.48

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    0 | 不常見面不要緊 | 234 | 36.00 |   36.28 |  36.28
    1 |   見面是必要的 | 411 | 63.23 |   63.72 | 100.00
 <NA> |           <NA> |   5 |  0.77 |    <NA> |   <NA>
顯示程式碼 
# 假設七：「為聯絡感情烤肉是首選（重要性）」
#  (V48) 大家圍著烤肉比其他活動要較為容易聯絡感情。*
#  同意。　１
#  不會/不見得。　２
# table(bbq$V48)
bbq$V48r <- rec(bbq$V48, rec = "1=1[同意]; 2=0[不見得] ", as.num = F)
frq(bbq$V48r)
大家圍著烤肉比其他活動要較為容易聯絡感情。 (x) <categorical> 
# total N=650 valid N=650 mean=0.47 sd=0.50

Value |  Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------
    0 | 不見得 | 343 | 52.77 |   52.77 |  52.77
    1 |   同意 | 307 | 47.23 |   47.23 | 100.00
 <NA> |   <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
## 控制變數
# 「今年中秋有與家人團聚」
# (V2) 今年的中秋節您有與家人團聚嗎？（延後到國慶連假也算）*
#  有　１
#  沒有　２
# table(bbq$V2)
bbq$V2r <- rec(bbq$V2, rec = "1=1[有]; 2=0[沒有] ", as.num = F)
frq(bbq$V2r)
今年的中秋節您有與家人團聚嗎？（延後到國慶連假也算） (x) <categorical> 
# total N=650 valid N=650 mean=0.83 sd=0.37

Value | Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------
    0 |  沒有 | 109 | 16.77 |   16.77 |  16.77
    1 |    有 | 541 | 83.23 |   83.23 | 100.00
 <NA> |  <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
# 「今年有參加家庭烤肉活動」
# (V3)  今年中秋節（含國慶連假）團圓時您有烤肉嗎？*
#  有　１
#  沒有　２
# table(bbq$V3)
bbq$V3r <- rec(bbq$V3, rec = "1=1[有]; 2=0[沒有（含沒有團聚）] ", as.num = F)
frq(bbq$V3r)
今年中秋節（含國慶連假）團圓時您有烤肉嗎？ (x) <categorical> 
# total N=650 valid N=650 mean=0.50 sd=0.50

Value |              Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------------------
    0 | 沒有（含沒有團聚） | 328 | 50.46 |   50.46 |  50.46
    1 |                 有 | 322 | 49.54 |   49.54 | 100.00
 <NA> |               <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
# 「在意對環境的危害」
# （V24）在烤肉活動中，請問下列哪一項是您最無法忍受的？*
#  空氣汙染　１
#  垃圾　２
#  噪音　３
#  隨處亂滴的醬汁　４
#  我覺得還好，沒那麼嚴重　５
#  我最受不了的是：:  *　９０
bbq$V24r <- rec(
  bbq$V24,
  rec = "1,2,3,4=1[有環境顧慮]; 5=0[都還好]=; 90=NA",
  as.num = F
)
frq(bbq$V24r)
在烤肉活動中，請問下列哪一項是您最無法忍受的？ (x) <categorical> 
# total N=650 valid N=634 mean=0.83 sd=0.38

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    0 |     都還好 | 108 | 16.62 |   17.03 |  17.03
    1 | 有環境顧慮 | 526 | 80.92 |   82.97 | 100.00
 <NA> |       <NA> |  16 |  2.46 |    <NA> |   <NA>
顯示程式碼 
# 「常用手機與網路聯絡感情」
# （V49）「請問您多常使用手機上的社群媒體（Line, FB等）APP與家人聯絡？」*
#  幾乎天天使用　１
#  偶爾使用　２
#  從來沒用（我用手機只打電話）　３
#  我不常使用手機　４
bbq$V49r <- rec(bbq$V49, rec = "1=1[很常用]; 2:4=0[偶爾/不常用]", as.num = F)
frq(bbq$V49r)
「請問您多常使用手機上的社群媒體（Line, FB等）APP與家人聯絡？」 (x) <categorical> 
# total N=650 valid N=650 mean=0.50 sd=0.50

Value |       Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------------
    0 | 偶爾/不常用 | 325 |    50 |      50 |     50
    1 |      很常用 | 325 |    50 |      50 |    100
 <NA> |        <NA> |   0 |     0 |    <NA> |   <NA>
顯示程式碼 
# 「聯絡家人時偏好語音（還是文字）」。
# （V50）請問您使用手機與家人聯絡時，比較喜歡使用文字簡訊（例如Line留言），還是使用講話（含視訊）？*
#  整體來說比較常用文字簡訊　１
#  整體來說比較常用語音講話（含視訊）　２
bbq$V50r <- rec(
  bbq$V50,
  rec = "1=0[偏好文字簡訊]; 2=1[偏好語音視訊]",
  as.num = F
)
frq(bbq$V50r)
請問您使用手機與家人聯絡時，比較喜歡使用文字簡訊（例如Line留言），還是使用講話（含視訊）？ (x) <categorical> 
# total N=650 valid N=650 mean=0.33 sd=0.47

Value |        Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------------
    0 | 偏好文字簡訊 | 438 | 67.38 |   67.38 |  67.38
    1 | 偏好語音視訊 | 212 | 32.62 |   32.62 | 100.00
 <NA> |         <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
#「時間負擔」
# （V37） 請問您覺得一天之內自己可以自由支配的時間（用來做自己想做的事）大約有多少？*
#  很多　１
#  還好　２
#  有點少　３
#  完全沒有　４
bbq$V37r <- rec(bbq$V37, rec = "1,2=0[足夠]; 3,4=1[不夠]", as.num = F)
frq(bbq$V37r)
最後，我們來談談節慶與團聚。 請問您覺得一天之內自己可以自由支配的時間（用來做自己想做的事）大約有多少？ (x) <categorical> 
# total N=650 valid N=650 mean=0.32 sd=0.47

Value | Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------
    0 |  足夠 | 445 | 68.46 |   68.46 |  68.46
    1 |  不夠 | 205 | 31.54 |   31.54 | 100.00
 <NA> |  <NA> |   0 |  0.00 |    <NA> |   <NA>
顯示程式碼 
## 儲存檔案
names(bbq) # 確認包含了上面新增的14個變數
 [1] "V1"   "V2"   "V3"   "V4"   "V5"   "V6"   "V7"   "V8"   "V9"   "V10" 
[11] "V11"  "V12"  "V13"  "V14"  "V15"  "V16"  "V17"  "V18"  "V19"  "V20" 
[21] "V21"  "V22"  "V23"  "V24"  "V25"  "V26"  "V27"  "V28"  "V29"  "V30" 
[31] "V31"  "V32"  "V33"  "V34"  "V35"  "V36"  "V37"  "V38"  "V39"  "V40" 
[41] "V41"  "V42"  "V43"  "V44"  "V45"  "V46"  "V47"  "V48"  "V49"  "V50" 
[51] "V51"  "V52"  "V53"  "V54"  "V55"  "V56"  "V57"  "V58"  "V44r" "V18r"
[61] "V20r" "V21r" "V23r" "V27r" "V45r" "V48r" "V2r"  "V3r"  "V24r" "V49r"
[71] "V50r" "V37r"
顯示程式碼 
save(bbq, file = "BBQ.rda")
rm(list = ls())

驗證式分析：二元勝算對數模型

假設一：對烤肉的新鮮感不再便會降低明年烤肉的意願
假設二：覺得烤肉影響健康便會降低明年烤肉的意願
假設三：覺得烤肉花費造成負擔便會降低明年烤肉的意願
假設四：覺得烤肉麻煩便會降低明年烤肉的意願
假設五：覺得烤肉影響環境便會降低明年烤肉的意願
假設六：覺得不必要見面就能聯絡感情會降低明年烤肉的意願
假設七：認為烤肉不是聯絡感情的首選便會降低明年烤肉的意願

顯示程式碼 
library(car)
load("BBQ.rda")

## 模型一：包含所有解釋變數的原始模型
mod.1 <- glm(
  V44r ~ V18r + V20r + V21r + V23r + V27r + V45r + V48r,
  data = bbq,
  family = binomial
)
summary(mod.1)

Call:
glm(formula = V44r ~ V18r + V20r + V21r + V23r + V27r + V45r + 
    V48r, family = binomial, data = bbq)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)   -0.103      0.261   -0.39  0.69368    
V18r1         -0.932      0.259   -3.59  0.00033 ***
V20r1         -0.230      0.203   -1.13  0.25797    
V21r1         -0.254      0.205   -1.24  0.21426    
V23r1         -0.701      0.232   -3.01  0.00257 ** 
V27r1         -0.111      0.206   -0.54  0.59075    
V45r1          0.517      0.192    2.70  0.00701 ** 
V48r1          1.803      0.187    9.64  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 892.04  on 644  degrees of freedom
Residual deviance: 710.49  on 637  degrees of freedom
  (5 observations deleted due to missingness)
AIC: 726.5

Number of Fisher Scoring iterations: 4
顯示程式碼 
vif(mod.1)
V18r V20r V21r V23r V27r V45r V48r 
1.02 1.14 1.11 1.11 1.17 1.02 1.02
顯示程式碼 
## 模型二：加入其他控制變數的完整模型
mod.2 <- update(mod.1, . ~ . + V2r + V3r + V24r + V49r + V50r + V37r)
summary(mod.2)

Call:
glm(formula = V44r ~ V18r + V20r + V21r + V23r + V27r + V45r + 
    V48r + V2r + V3r + V24r + V49r + V50r + V37r, family = binomial, 
    data = bbq)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -1.6128     0.4438   -3.63  0.00028 ***
V18r1        -0.7165     0.2914   -2.46  0.01392 *  
V20r1        -0.4371     0.2260   -1.93  0.05308 .  
V21r1        -0.1969     0.2288   -0.86  0.38938    
V23r1        -0.6465     0.2616   -2.47  0.01348 *  
V27r1         0.0261     0.2430    0.11  0.91455    
V45r1         0.7346     0.2191    3.35  0.00080 ***
V48r1         1.4889     0.2062    7.22  5.2e-13 ***
V2r1          0.7186     0.2929    2.45  0.01415 *  
V3r1          1.5821     0.2098    7.54  4.7e-14 ***
V24r1        -0.1383     0.2943   -0.47  0.63843    
V49r1         0.4945     0.2100    2.36  0.01851 *  
V50r1        -0.0502     0.2261   -0.22  0.82446    
V37r1        -0.2536     0.2204   -1.15  0.24977    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 870.03  on 628  degrees of freedom
Residual deviance: 600.50  on 615  degrees of freedom
  (21 observations deleted due to missingness)
AIC: 628.5

Number of Fisher Scoring iterations: 4
顯示程式碼 
vif(mod.2)
V18r V20r V21r V23r V27r V45r V48r  V2r  V3r V24r V49r V50r V37r 
1.04 1.15 1.15 1.12 1.33 1.08 1.02 1.05 1.07 1.18 1.08 1.09 1.03
顯示程式碼 
## 模型三：留下有效的控制變數的最終模型
mod.3 <- update(mod.1, . ~ . + V3r + V49r)
summary(mod.3)

Call:
glm(formula = V44r ~ V18r + V20r + V21r + V23r + V27r + V45r + 
    V48r + V3r + V49r, family = binomial, data = bbq)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -1.2836     0.3200   -4.01  6.0e-05 ***
V18r1        -0.7424     0.2825   -2.63  0.00859 ** 
V20r1        -0.3987     0.2206   -1.81  0.07068 .  
V21r1        -0.2475     0.2226   -1.11  0.26621    
V23r1        -0.5814     0.2523   -2.30  0.02119 *  
V27r1        -0.0259     0.2232   -0.12  0.90764    
V45r1         0.7173     0.2113    3.39  0.00069 ***
V48r1         1.5509     0.2007    7.73  1.1e-14 ***
V3r1          1.6513     0.2025    8.16  3.5e-16 ***
V49r1         0.5223     0.2010    2.60  0.00938 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 892.04  on 644  degrees of freedom
Residual deviance: 627.94  on 635  degrees of freedom
  (5 observations deleted due to missingness)
AIC: 647.9

Number of Fisher Scoring iterations: 4
顯示程式碼 
vif(mod.3)
V18r V20r V21r V23r V27r V45r V48r  V3r V49r 
1.02 1.15 1.13 1.11 1.19 1.06 1.02 1.05 1.04

探索式分析

顯示程式碼 
load("BBQ.rda")
library(dplyr)
library(FactoMineR)
library(factoextra)

bbqMCA <- select(
  bbq,
  V44r,
  V18r,
  V20r,
  V21r,
  V23r,
  V27r,
  V45r,
  V48r,
  V2r,
  V3r,
  V24r,
  V49r,
  V50r,
  V37r
)
bbqMCA.nona <- na.omit(bbqMCA)
nrow(bbqMCA.nona) # 629
[1] 629
顯示程式碼 
names(bbqMCA.nona)
 [1] "V44r" "V18r" "V20r" "V21r" "V23r" "V27r" "V45r" "V48r" "V2r"  "V3r" 
[11] "V24r" "V49r" "V50r" "V37r"
顯示程式碼 
res <- MCA(bbqMCA.nona, ncp = 5, graph = F)
fviz_screeplot(res, ncp = 10)

顯示程式碼 
# 變數關聯關係圖
plot(
  res,
  axes = c(1, 2),
  new.plot = TRUE,
  col.var = "red",
  col.ind = "black",
  col.ind.sup = "black",
  col.quali.sup = "darkgreen",
  col.quanti.sup = "blue",
  label = c("var"),
  cex = 0.8,
  selectMod = "cos2",
  invisible = c("ind", "quali.sup"),
  autoLab = "yes",
  title = ""
)

顯示程式碼 
# 初步假設：覺得自己時間充裕的人(V37r=0)，愈可能傾向見面團聚取代使用手機（V45r=1）；相反的，自覺一天內時間不足的人，反而傾向以手機來取代見面團聚。

## 用卡方檢定來進一步確認肉眼所預判潛在變數之間的相關性
# 做法一
library(gmodels)
CrossTable(
  bbq$V37r,
  bbq$V45r,
  chisq = T, # 顯示卡方檢定結果
  prop.chisq = F, # 不必顯示每個細格的卡方值貢獻程度
  prop.t = F # 不必顯示每個細格次數所佔全體百分比
)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  645 

 
             | bbq$V45r 
    bbq$V37r |         0 |         1 | Row Total | 
-------------|-----------|-----------|-----------|
           0 |       173 |       269 |       442 | 
             |     0.391 |     0.609 |     0.685 | 
             |     0.739 |     0.655 |           | 
-------------|-----------|-----------|-----------|
           1 |        61 |       142 |       203 | 
             |     0.300 |     0.700 |     0.315 | 
             |     0.261 |     0.345 |           | 
-------------|-----------|-----------|-----------|
Column Total |       234 |       411 |       645 | 
             |     0.363 |     0.637 |           | 
-------------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  4.97     d.f. =  1     p =  0.0257 

Pearson's Chi-squared test with Yates' continuity correction 
------------------------------------------------------------
Chi^2 =  4.59     d.f. =  1     p =  0.0322
顯示程式碼 
# 做法二
library(sjPlot)
tab_xtab(
  bbq$V37r,
  bbq$V45r,
  show.row.prc = TRUE, # 顯示列百分比
  show.col.prc = TRUE # 顯示欄百分比
)
最後，我們來談談節慶與團聚。
請問您覺得一天之內自己可以自由支配的時間（用來做自己想做的事）大約有多少？		 平時用社群媒體（Line,
Facebook等）與家人聯繫感情。您覺得夠不夠？		 Total
不常見面不要緊 見面是必要的
足夠 173
39.1 %
73.9 %		 269
60.9 %
65.5 %		 442
100 %
68.5 %
不夠 61
30 %
26.1 %		 142
70 %
34.5 %		 203
100 %
31.5 %
Total 234
36.3 %
100 %		 411
63.7 %
100 %		 645
100 %
100 %
χ2=4.588 · df=1 · &phi=0.088 · p=0.032
顯示程式碼 
## 與資料喝杯咖啡：拿資料來檢視自己對變數關係的判斷
mod.4 <- glm(V45r ~ V37r, data = bbq, family = binomial)
summary(mod.4)

Call:
glm(formula = V45r ~ V37r, family = binomial, data = bbq)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)   0.4414     0.0975    4.53  5.9e-06 ***
V37r1         0.4035     0.1815    2.22    0.026 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 844.96  on 644  degrees of freedom
Residual deviance: 839.90  on 643  degrees of freedom
  (5 observations deleted due to missingness)
AIC: 843.9

Number of Fisher Scoring iterations: 4

參考資料

Dyer, J. B. (2017). Political science and american political thought. Political Science and Politics, 50(3), 784–788. https://doi.org/10.1017/S1049096517000592

Everitt, J. (2021). Academic absences, disciplinary siloes and methodological prejudices within the political science discipline in Canada. Canadian Journal of Political Science-Revue Canadienne De Science Politique, 54(4), 749–768. https://doi.org/10.1017/S0008423921000883

Wilson, M. C. (2017). Trends in political science research and the progress of comparative politics. Ps-Political Science & Politics, 50(4), 979–984. https://doi.org/10.1017/S104909651700110X