## 市场调查大赛数据分析,数据详细分析####
# 大学生对饿了么的使用情况
# 组名：晓
# @ 带土
# 更改工作空间####
setwd("/Users/daitu/R/市场调查")
getwd()
## [1] "/Users/daitu/R/市场调查"
## 加载包####
library(readxl)
library(stringr)
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 3.3.2
library(plotly)
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
library(gplots)
##
## Attaching package: 'gplots'
## The following object is masked from 'package:stats':
##
## lowess
library(ca)
library(psych) # 因子分析包
##
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
##
## %+%, alpha
## 导入需要的函数
source("Lin_scneed_fun.R")
## 加载R格式的数据表格 ####
# 数据已经经过筛选，选出的数据为答题时间在40～300（s）之间，城市为山西
load("usedata.RData")
# 查看数据
typeof(usedata)
## [1] "list"
str(usedata)
## Classes 'tbl_df' and 'data.frame': 302 obs. of 43 variables:
## $ use_time : num 49 79 143 135 120 100 131 112 76 121 ...
## $ sheng : Factor w/ 24 levels "北京","重庆",..: 17 17 17 17 17 17 17 17 17 17 ...
## $ q1 : Factor w/ 2 levels "男","女": 1 1 2 2 1 2 2 2 1 1 ...
## $ q2 : Factor w/ 5 levels "大一","大二",..: 3 3 3 3 2 2 2 3 2 3 ...
## $ q3a : Factor w/ 2 levels "0","1": 2 2 2 2 1 2 1 2 1 1 ...
## $ q3b : Factor w/ 2 levels "0","1": 2 1 1 1 1 1 2 1 2 1 ...
## $ q3c : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 2 1 1 1 ...
## $ q3d : Factor w/ 2 levels "0","1": 1 2 1 1 2 2 1 1 2 1 ...
## $ q3e : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 2 2 1 2 ...
## $ q4 : Factor w/ 4 levels "500元以下","500—900",..: 3 2 3 3 3 2 3 2 4 3 ...
## $ q5 : Factor w/ 5 levels "非常满意","比较满意",..: 4 3 4 4 5 4 4 4 4 4 ...
## $ q6 : Factor w/ 4 levels "0—5次","5—10次",..: 1 1 1 1 3 1 1 1 1 1 ...
## $ q7a : Factor w/ 2 levels "0","1": 1 2 1 1 1 1 1 1 1 2 ...
## $ q7b : Factor w/ 2 levels "0","1": 1 1 1 2 1 1 1 2 1 1 ...
## $ q7c : Factor w/ 2 levels "0","1": 2 2 1 1 2 2 2 2 1 2 ...
## $ q7d : Factor w/ 2 levels "0","1": 1 2 2 2 1 2 2 1 2 1 ...
## $ q7e : Factor w/ 2 levels "0","1": 2 2 1 1 1 2 2 1 1 2 ...
## $ q7f : Factor w/ 2 levels "0","1": 1 2 2 1 1 1 1 1 2 2 ...
## $ q8 : Factor w/ 5 levels "6元以下","6—10元",..: 2 2 2 2 2 2 1 2 3 2 ...
## $ q9zhiliang : num 8 8 6 7 8 8 8 6 8 8 ...
## $ q9anquan : num 7 8 6 7 8 8 8 6 8 8 ...
## $ q9stime : num 8 8 6 7 8 8 6 6 8 6 ...
## $ q9jiage : num 7 7 6 5 5 7 8 6 8 6 ...
## $ q9baozhuang: num 7 6 6 5 1 6 4 6 8 4 ...
## $ q9kouwei : num 6 7 7 6 8 5 5 6 8 4 ...
## $ q9xiaoliang: num 7 7 7 4 4 6 5 5 8 4 ...
## $ q9kefu : num 6 5 7 6 8 5 5 7 8 4 ...
## $ q10 : Factor w/ 3 levels "使用过","听说过，但未使用过",..: 2 1 1 1 1 2 2 1 2 1 ...
## $ q10a1 : Factor w/ 7 levels "未填","跳过",..: 2 4 4 4 6 2 2 4 2 5 ...
## $ q10a2 : Factor w/ 9 levels "未填","跳过",..: 2 6 6 6 6 2 2 5 2 4 ...
## $ q10a3_1 : num -3 4 4 4 5 -3 -3 3 -3 3 ...
## $ q10a3_2 : num -3 5 4 4 5 -3 -3 4 -3 4 ...
## $ q10a3_3 : num -3 4 4 4 5 -3 -3 4 -3 4 ...
## $ q10a3_4 : num -3 4 4 4 5 -3 -3 4 -3 4 ...
## $ q10a3_5 : num -3 3 4 3 5 -3 -3 4 -3 4 ...
## $ q10a3_6 : num -3 4 4 4 5 -3 -3 4 -3 3 ...
## $ q10a4_1 : num -3 5 4 4 2 -3 -3 4 -3 4 ...
## $ q10a4_2 : num -3 4 4 3 2 -3 -3 4 -3 4 ...
## $ q10a4_3 : num -3 5 4 5 2 -3 -3 3 -3 4 ...
## $ q10a4_4 : num -3 4 5 3 2 -3 -3 3 -3 4 ...
## $ q10a5text : chr "(跳过)" "送餐时间尽量再短点！" "(空)" "(空)" ...
## $ q10b1 : Factor w/ 6 levels "未填","跳过",..: 6 2 2 2 2 5 4 2 6 2 ...
## $ score : chr "56.000000" "98.000000" "92.000000" "85.000000" ...
summary(usedata)
## use_time sheng q1 q2 q3a q3b
## Min. : 43.0 山西 :302 男:146 大一 : 55 0:157 0:241
## 1st Qu.: 79.0 北京 : 0 女:156 大二 : 97 1:145 1: 61
## Median :102.0 重庆 : 0 大三 :142
## Mean :111.1 福建 : 0 大四 : 7
## 3rd Qu.:130.5 广东 : 0 研究生: 1
## Max. :299.0 海南 : 0
## (Other): 0
## q3c q3d q3e q4 q5 q6
## 0:246 0:147 0:249 500元以下 : 27 非常满意: 10 0—5次 :252
## 1: 56 1:155 1: 53 500—900 :128 比较满意: 70 5—10次 : 34
## 900—1300元:122 满意 : 47 10—15次: 10
## 1300元以上 : 25 一般 :145 15次以上: 6
## 差 : 30
##
##
## q7a q7b q7c q7d q7e q7f q8
## 0:233 0:252 0:121 0:196 0:175 0:154 6元以下 : 42
## 1: 69 1: 50 1:181 1:106 1:127 1:148 6—10元 :219
## 10—15元: 38
## 15－20元: 1
## 20元以上: 2
##
##
## q9zhiliang q9anquan q9stime q9jiage
## Min. :1.00 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:6.00 1st Qu.:6.000 1st Qu.:5.000 1st Qu.:5.000
## Median :8.00 Median :8.000 Median :7.000 Median :7.000
## Mean :7.07 Mean :6.997 Mean :6.447 Mean :6.205
## 3rd Qu.:8.00 3rd Qu.:8.000 3rd Qu.:8.000 3rd Qu.:8.000
## Max. :8.00 Max. :8.000 Max. :8.000 Max. :8.000
##
## q9baozhuang q9kouwei q9xiaoliang q9kefu
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:5.000 1st Qu.:6.000 1st Qu.:5.000 1st Qu.:6.000
## Median :6.000 Median :7.000 Median :6.000 Median :7.000
## Mean :5.748 Mean :6.599 Mean :5.791 Mean :6.517
## 3rd Qu.:7.000 3rd Qu.:8.000 3rd Qu.:7.750 3rd Qu.:8.000
## Max. :8.000 Max. :8.000 Max. :8.000 Max. :8.000
##
## q10 q10a1 q10a2
## 使用过 :186 未填 : 0 跳过 :116
## 听说过，但未使用过:101 跳过 :116 30—60分钟 : 95
## 没听说过 : 15 空 : 0 10—30分钟 : 70
## 0—5次 :161 60—90分钟 : 10
## 5—10次 : 20 10分钟内 : 7
## 10—15次: 3 一个半小时以上: 2
## 15次以上: 2 (Other) : 2
## q10a3_1 q10a3_2 q10a3_3 q10a3_4
## Min. :-3.000 Min. :-3.000 Min. :-3.0000 Min. :-3.0000
## 1st Qu.:-3.000 1st Qu.:-3.000 1st Qu.:-3.0000 1st Qu.:-3.0000
## Median : 3.000 Median : 3.000 Median : 3.0000 Median : 3.0000
## Mean : 1.007 Mean : 1.219 Mean : 0.9735 Mean : 0.9702
## 3rd Qu.: 4.000 3rd Qu.: 4.000 3rd Qu.: 4.0000 3rd Qu.: 4.0000
## Max. : 5.000 Max. : 5.000 Max. : 5.0000 Max. : 5.0000
##
## q10a3_5 q10a3_6 q10a4_1 q10a4_2
## Min. :-3.0000 Min. :-3.000 Min. :-3.000 Min. :-3.000
## 1st Qu.:-3.0000 1st Qu.:-3.000 1st Qu.:-3.000 1st Qu.:-3.000
## Median : 2.0000 Median : 3.000 Median : 3.000 Median : 3.000
## Mean : 0.8874 Mean : 0.957 Mean : 1.199 Mean : 1.079
## 3rd Qu.: 4.0000 3rd Qu.: 4.000 3rd Qu.: 4.000 3rd Qu.: 4.000
## Max. : 5.0000 Max. : 5.000 Max. : 5.000 Max. : 5.000
##
## q10a4_3 q10a4_4 q10a5text
## Min. :-3.000 Min. :-3.00 Length:302
## 1st Qu.:-3.000 1st Qu.:-3.00 Class :character
## Median : 3.000 Median : 3.00 Mode :character
## Mean : 1.126 Mean : 1.03
## 3rd Qu.: 4.000 3rd Qu.: 4.00
## Max. : 5.000 Max. : 5.00
##
## q10b1 score
## 未填 : 0 Length:302
## 跳过 :201 Class :character
## 空 : 0 Mode :character
## 我在使用美团 : 24
## 我有喜欢的外卖电话: 16
## 其他 : 61
##
## 关于答题时间的分析 40~300(s)
## 直方图
# par(family='STKaiti',bty="o")
# timedata <- hist(usedata$use_time,breaks = 15,
# col = "blue", probability = F, border = "pink",
# main = "填写问卷使用时间",xlab = "时间(s)", ylab = "频数",
# ylim = c(0,length(usedata$use_time)/4),
# xlim = c(min(usedata$use_time),max(usedata$use_time)))
# text(timedata$mids,timedata$counts+2,timedata$counts)
# lines(density(usedata$use_time,bw = 1),col="red",lwd=2)
#
# density(usedata$use_time,bw = 1)
## 单选题的频数统计和分析 ####
## 1 您的性别：（ ） A男 B女
q1t <- table(usedata$q1)
par(family='STKaiti',bty="o")
pie(q1t,radius = 0.9,col = rainbow(length(q1t)),clockwise = TRUE,main = "填写问卷的情况")
barplot(q1t,col= "blue",main = "填写问卷的情况",ylim = c(0,max(q1t)+10))
q1dt <- data.frame(table(usedata$q1))
mylabel <- as.vector(q1dt$Var1)
mylabel <- paste(mylabel,"(",round(q1dt$Freq / sum(q1dt$Freq) * 100,2),"%)",sep = "")
p1 = ggplot(q1dt,aes(x="",y=Freq,fill=Var1)) +
geom_bar(stat = "identity", width = 1) +
theme_grey(base_family = "STKaiti") +
coord_polar(theta = "y") + labs(x = "", y = "", title = "男女比例") +
theme(axis.ticks = element_blank()) +
theme(legend.title = element_blank(), legend.position = "right") +
scale_fill_discrete(breaks = q1dt$Var1,labels = mylabel)
p1
# bmp(filename ="男女饼图.bmp")
# par(family='STKaiti',bty="o")
# pie(q1t,radius = 0.9,col = rainbow(length(q1t)),clockwise = TRUE,main = "填写问卷的情况")
# dev.off()
# tiff(filename = "男女饼图.tiff",res = 600,width = 2400, height = 2400,compression = "lzw")
# par(family='STKaiti',bty="o")
# pie(q1t,radius = 0.9,col = rainbow(length(q1t)),clockwise = TRUE,main = "填写问卷的情况")
# dev.off()
## 2您的年级：（ ） A大一 B大二 C大三 D大四 E研究生
q2t <- table(usedata$q2)
table(usedata$q2) / length(usedata$q2)
##
## 大一 大二 大三 大四 研究生
## 0.182119205 0.321192053 0.470198675 0.023178808 0.003311258
par(family='STKaiti',bty="o")
a <- barplot(q2t,horiz = TRUE,main = "年级情况",xlim=c(0,max(q2t)),col = "red",
xlab = "频数",ylab = "年级")
box()
## 4 您每个月的生活费大概是：（ ）
# A 500元以下 B500—900元 C900—1300元 D1300元以上
q4t <- table(usedata$q4)
q4t
##
## 500元以下 500—900 900—1300元 1300元以上
## 27 128 122 25
q4dt = data.frame(q4t)
myLabel = as.vector(q4dt$Var1) ## 转成向量，否则图例的标签可能与实际顺序不一致
myLabel = paste(myLabel, "(", round(q4dt$Freq / sum(q4dt$Freq) * 100, 2), "%)", sep = "") ## 用 round() 对结果保留两位小数
p4 = ggplot(q4dt, aes(x = "", y =Freq, fill = Var1)) +
geom_bar(stat = "identity", width = 1) + ## width >= 1 时中心的杂点将消失
theme_grey(base_family = "STKaiti") +
coord_polar(theta = "y") + labs(x = "", y = "", title = "生活费") + ## 将标签设为空
theme(axis.ticks = element_blank()) + ## 把左上角多出来的“小胡子”去掉
theme(legend.title = element_blank(), legend.position = "bottom") + ## 将图例标题设为空，并把土方放在上
scale_fill_discrete(breaks = q4dt$Var1,labels = myLabel) ## 将原来的图例标签换成现在的myLabel
p4
## 5 您对食堂饭菜的满意度：（ ）
# A非常满意 B比较满意 C满意 D一般 E差
q5t <- table(usedata$q5)
q5dt <- data.frame(q5t)
# biaoqian
myLabel = as.vector(q5dt$Var1)
myLabel = paste(myLabel,"(",round(q5dt$Freq / sum(q5dt$Freq)*100,2),"%)",sep = "")
p5 <- ggplot(q5dt,aes(x="",y = Freq, fill = Var1)) +
geom_bar(stat = "identity",width = 1) +
theme_grey(base_family = "STKaiti") + # 设置字体为楷体
coord_polar(theta = "y") +labs(x="",y="",title = "对食堂饭菜的满意度") +
theme(axis.ticks = element_blank()) +
theme(legend.title = element_blank(),legend.position = "bottom") +
scale_fill_discrete(breaks = q5dt$Var1,labels = myLabel)
p5
## 6您每周平均定外卖的次数？：（ ）
# A 0—5次 B 5—10次 C 10—15次 D 15次以上
q6t <- table(usedata$q6)
q6dt <- data.frame(q6t)
# biaoqian
myLabel = as.vector(q6dt$Var1)
myLabel = paste(myLabel,"(",round(q6dt$Freq / sum(q6dt$Freq)*100,2),"%)",sep = "")
p6 <- ggplot(q6dt,aes(x="",y = Freq, fill = Var1)) +
geom_bar(stat = "identity",width = 1) +
theme_grey(base_family = "STKaiti") + # 设置字体为楷体
coord_polar(theta = "y") +labs(x="",y="",title = "平均每周定外卖的次数") +
theme(axis.ticks = element_blank()) +
theme(legend.title = element_blank(),legend.position = "bottom") +
scale_fill_discrete(breaks = q6dt$Var1,labels = myLabel)
p6
## 8如果您选择外卖，那您对快餐理想的价格是？：（ ）
# A 6元以下 B 6—10元 C10—15元 D 15－20元 E 20元以上
q8t <- table(usedata$q8)
q8dt <- data.frame(q8t)
# biaoqian
myLabel = as.vector(q8dt$Var1)
myLabel = paste(myLabel,"(",round(q8dt$Freq / sum(q8dt$Freq)*100,2),"%)",sep = "")
p8 <- ggplot(q8dt,aes(x="",y = Freq, fill = Var1)) +
geom_bar(stat = "identity",width = 1) +
theme_grey(base_family = "STKaiti") + # 设置字体为楷体
coord_polar(theta = "y") +labs(x="",y="",title = "对快餐理想的价格") +
theme(axis.ticks = element_blank()) +
theme(legend.title = element_blank(),legend.position = "right") +
scale_fill_discrete(breaks = q8dt$Var1,labels = myLabel)
p8
##
## 10您是否有使用过或者听说过“饿了么”外卖？：（ ）
# A使用过 B听说过，但未使用过 C没听说过（终止调查）
q10t <- table(usedata$q10)
q10dt <- data.frame(q10t)
# biaoqian
myLabel = as.vector(q10dt$Var1)
myLabel = paste(myLabel,"(",round(q10dt$Freq / sum(q10dt$Freq)*100,2),"%)",sep = "")
p10 <- ggplot(q10dt,aes(x="",y = Freq, fill = Var1)) +
geom_bar(stat = "identity",width = 1) +
theme_grey(base_family = "STKaiti") + # 设置字体为楷体
coord_polar(theta = "y") +labs(x="",y="",title = "“饿了么”使用情况") +
theme(axis.ticks = element_blank()) +
theme(legend.title = element_blank(),legend.position = "right") +
scale_fill_discrete(breaks = q10dt$Var1,labels = myLabel)
p10
## 多选题的简单频数分析 ####
# 3 您认为你属于下列哪一种类型的人呢？(多选)：（ ）
# A 宅男宅女 B 运动达人 C美食家 D 单身汪 E 恋爱中
q3dt <- data.frame(question = c("宅男宅女","运动达人","美食家","单身汪","恋爱中"),
Fre=apply(usedata[,5:9], 2, my_fre))
q3dt
## question Fre
## q3a 宅男宅女 0.4801325
## q3b 运动达人 0.2019868
## q3c 美食家 0.1854305
## q3d 单身汪 0.5132450
## q3e 恋爱中 0.1754967
## 构建条形图查看数据
# pdf(file="fig13.pdf",pointsize=16)
p3 <- ggplot(q3dt,mapping = aes(x=question,y=Fre)) +
geom_bar(stat = 'identity',fill = 'steelblue', colour = 'darkred',width=0.7) +
theme_grey(base_family = "STKaiti") + labs(x="",y="频率",title="生活状态") +
theme(axis.title.x =element_text(size=14), axis.title.y=element_text(size=14)) +
theme(axis.text.x=element_text(size=14),axis.text.y=element_text(size=12))
# dev.off()
p3
## 7在您从未接触过外卖APP的情况下，以下何种因素会促使您使用（多选）：（ ）
# A知名度 B广告宣传 C有折扣 D 快餐食品店种类多 E速度快
# F好友推荐
q7dt <- data.frame(question = c("知名度","广告宣传","有折扣 ",
"快餐食品店种类多","速度快","好友推荐"),
Fre=apply(usedata[,13:18], 2, my_fre))
q7dt
## question Fre
## q7a 知名度 0.2284768
## q7b 广告宣传 0.1655629
## q7c 有折扣 0.5993377
## q7d 快餐食品店种类多 0.3509934
## q7e 速度快 0.4205298
## q7f 好友推荐 0.4900662
## 构建条形图查看数据
p7 <- ggplot(q7dt,mapping = aes(x=question,y=Fre)) +
geom_bar(stat = 'identity',fill = 'steelblue', colour = 'darkred',width=0.7) +
theme_grey(base_family = "STKaiti") + labs(x="",y="频率",title="为何使用APP") +
theme(axis.title.y=element_text(size=14)) +
theme(axis.text.x=element_text(size=12,angle = 30),axis.text.y=element_text(size=12))
p7
## 对量表题进行分析####
# 9如果您订购外卖，请您为以下因素打分（满分10分，越重要分越高）：
## 使用单因素方差分析进行分析 －－－－－－－－
# length(q9data)
q9dt <- usedata[,20:27]
str(usedata$q9kefu)
## num [1:302] 6 5 7 6 8 5 5 7 8 4 ...
# mean(as.matrix(usedata[1:302,20:27]))
# 计算每个因数的平均的分
q9me <- apply(as.matrix(usedata[1:dim(q9dt)[1],20:27]), 2,mean)
q9me
## q9zhiliang q9anquan q9stime q9jiage q9baozhuang q9kouwei
## 7.069536 6.996689 6.447020 6.205298 5.748344 6.599338
## q9xiaoliang q9kefu
## 5.791391 6.516556
# 定义因子变量代表各个因素
A <- factor(rep(1:dim(q9dt)[2],each=dim(q9dt)[1]),
labels = c("质量","安全","送餐时间","价格","快餐包装","餐厅口味","餐厅的销量","客服态度"))
str(A)
## Factor w/ 8 levels "质量","安全",..: 1 1 1 1 1 1 1 1 1 1 ...
length(A)
## [1] 2416
q9dt <- unlist(q9dt)
head(q9dt)
## q9zhiliang1 q9zhiliang2 q9zhiliang3 q9zhiliang4 q9zhiliang5 q9zhiliang6
## 8 8 6 7 8 8
# q9data <- data.frame(q9dt)
# head(q9data)
## 单因素方差分析
q9data <- data.frame(q9dt,A)
head(q9data)
## q9dt A
## q9zhiliang1 8 质量
## q9zhiliang2 8 质量
## q9zhiliang3 6 质量
## q9zhiliang4 7 质量
## q9zhiliang5 8 质量
## q9zhiliang6 8 质量
a <- aov(q9dt~A,q9data)
anova(a)
## Analysis of Variance Table
##
## Response: q9dt
## Df Sum Sq Mean Sq F value Pr(>F)
## A 7 510.1 72.869 22.539 < 2.2e-16 ***
## Residuals 2408 7785.1 3.233
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 各总体均值的可视化
par(family='STKaiti',cex.axis = 0.7)
plotmeans(q9dt~A,q9data,xlab = "影响因素",ylab = "得分",col = "red",
main = "影响订购外卖的因素",ylim = c(5,7.5))
text(1:8,q9me-0.1,labels = round(q9me,3))
q9dt <- usedata[,20:27]
A <- factor(rep(1:dim(q9dt)[2],each=dim(q9dt)[1]))
length(A)
## [1] 2416
q9dt <- unlist(q9dt)
head(q9dt)
## q9zhiliang1 q9zhiliang2 q9zhiliang3 q9zhiliang4 q9zhiliang5 q9zhiliang6
## 8 8 6 7 8 8
# q9data <- data.frame(q9dt)
# head(q9data)
## 单因素方差分析
q9data <- data.frame(q9dt,A)
a <- aov(q9dt~A,q9data)
anova(a)
## Analysis of Variance Table
##
## Response: q9dt
## Df Sum Sq Mean Sq F value Pr(>F)
## A 7 510.1 72.869 22.539 < 2.2e-16 ***
## Residuals 2408 7785.1 3.233
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 箱线图
# boxplot(usedata[,20:27])
xtext = c("质量","安全","送餐时间","价格","快餐包装","餐厅口味","餐厅的销量","客服态度")
p9 <- ggplot(q9data,aes(x=A,y=q9dt)) + theme_grey(base_family = "STKaiti") +
geom_boxplot(fill = "white", colour = "#3366FF",outlier.colour = "red", outlier.shape = 1) +
labs(x = "因素",y = "得分",title = "影响订购外卖的因素") +
theme(axis.title.x =element_text(size=14), axis.title.y=element_text(size=14)) +
theme(axis.text.x=element_text(size=12,angle = 30),axis.text.y=element_text(size=12)) +
scale_x_discrete(labels = xtext) # 设置x轴的标签
p9
## 进行因子分析：如果您订购外卖，请您为以下因素打分（满分8分，越重要分越高）
q9yinzi <- usedata[,20:27]
q9yinzi
## # A tibble: 302 × 8
## q9zhiliang q9anquan q9stime q9jiage q9baozhuang q9kouwei q9xiaoliang
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 8 7 8 7 7 6 7
## 2 8 8 8 7 6 7 7
## 3 6 6 6 6 6 7 7
## 4 7 7 7 5 5 6 4
## 5 8 8 8 5 1 8 4
## 6 8 8 8 7 6 5 6
## 7 8 8 6 8 4 5 5
## 8 6 6 6 6 6 6 5
## 9 8 8 8 8 8 8 8
## 10 8 8 6 6 4 4 4
## # ... with 292 more rows, and 1 more variables: q9kefu <dbl>
# factanal(q9duiying,factors = 2,scores = "regression")
## 判断需提取的公共因子数 碎石图
fa.parallel(q9yinzi)
## Parallel analysis suggests that the number of factors = 3 and the number of components = 1
## 提取公共因子
q9yinzi_fa <- fa(cov(q9yinzi),nfactors=2)
## Loading required namespace: GPArotation
##
factor.plot(q9yinzi_fa)
## 提取使用过的数据，进行后续分析####
# levels(usedata$q10) <- 1:3
## 使用过的用户
elmdataA <- usedata[which(usedata$q10 == "使用过"),]
dim(elmdataA)
## [1] 186 43
## 听说过但未使用过的用户数据
elmdataB <- usedata[which(usedata$q10 == "听说过，但未使用过"),]
dim(elmdataB)
## [1] 101 43
## 没有使用过的用户
elmdataC <- usedata[which(usedata$q10 == "没听说过"),]
dim(elmdataC)
## [1] 15 43
## 为何不使用 饿了么 ####
q10b1data <- elmdataB$q10b1
q10b1data <- factor(q10b1data,labels = unique(q10b1data))
q10b1dt <- as.data.frame(table(q10b1data))
dim(q10b1dt)
## [1] 3 2
# q10a1dt <- q10a1dt[which(q10a1dt$Freq != 0),]
q10b1dt = q10b1dt[order(q10b1dt$Freq, decreasing = TRUE),] # 使饼图排序
q10b1dt
## q10b1data Freq
## 3 我在使用美团 61
## 1 其他 24
## 2 我有喜欢的外卖电话 16
## 饼图
mylabel <- as.vector(q10b1dt$q10b1data)
mylabel <- paste(mylabel,"(",round(q10b1dt$Freq / sum(q10b1dt$Freq) * 100,2),"%)",sep = "")
p10b1 = ggplot(q10b1dt,aes(x="",y=Freq,fill=q10b1data)) +
geom_bar(stat = "identity", width = 1) +
theme_grey(base_family = "STKaiti") +
coord_polar(theta = "y") + labs(x = "", y = "", title = "为何不使用\"饿了么\"") +
theme(axis.ticks = element_blank()) +
theme(legend.title = element_blank(), legend.position = "top") +
scale_fill_discrete(breaks = q10b1dt$q10b1data,labels = mylabel) +
theme(axis.text.x = element_blank())
## 白色的外框即是原柱状图的X轴，把X轴的刻度文字去掉即可
p10b1
## 保存所需要的数据 ####
save(elmdataA,file = "elmdataA.RData")
save(elmdataB,file = "elmdataB.RData")
## 列连表分析 对应分析 ####
# 4 您每个月的生活费大概是：（ ）yu 6您每周平均定外卖的次数？：（ ）
t46 <- table(usedata$q4,usedata$q6)
t46
##
## 0—5次 5—10次 10—15次 15次以上
## 500元以下 24 1 0 2
## 500—900 116 9 3 0
## 900—1300元 93 21 6 2
## 1300元以上 19 3 1 2
# 卡方检验 有显著性关系
chisq.test(t46)
## Warning in chisq.test(t46): Chi-squared approximation may be incorrect
##
## Pearson's Chi-squared test
##
## data: t46
## X-squared = 22.472, df = 9, p-value = 0.007497
## 对应分析
df46 <- tab2df(usedata$q4,usedata$q6)
df46ca <- ca(df46)
df46ca
##
## Principal inertias (eigenvalues):
## 1 2 3
## Value 0.037846 0.036262 0.000303
## Percentage 50.86% 48.73% 0.41%
##
##
## Rows:
## 900—1300元 500—900 1300元以上 500元以下
## Mass 0.089404 0.423841 0.403974 0.082781
## ChiDist 0.485032 0.211532 0.214798 0.436535
## Inertia 0.021033 0.018965 0.018639 0.015775
## Dim. 1 2.255129 -0.563764 -0.337629 2.098563
## Dim. 2 1.070890 0.949244 -1.073143 -0.779755
##
##
## Columns:
## 0—5次 10—15次 15次以上 5—10次
## Mass 0.834437 0.112583 0.033113 0.019868
## ChiDist 0.084842 0.461934 0.473594 1.363842
## Inertia 0.006006 0.024023 0.007427 0.036955
## Dim. 1 -0.057122 -0.546273 -0.831959 6.881256
## Dim. 2 0.441702 -2.357133 -2.295323 -1.368879
# 查看卡方检验值
summary(df46ca)
##
## Principal inertias (eigenvalues):
##
## dim value % cum% scree plot
## 1 0.037846 50.9 50.9 *************
## 2 0.036262 48.7 99.6 ************
## 3 0.000303 0.4 100.0
## -------- -----
## Total: 0.074411 100.0
##
##
## Rows:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | 9001 | 89 995 283 | 439 818 455 | 204 177 103 |
## 2 | 5009 | 424 999 255 | -110 269 135 | 181 730 382 |
## 3 | 1300 | 404 999 250 | -66 94 46 | -204 905 465 |
## 4 | 500 | 83 990 212 | 408 875 365 | -148 116 50 |
##
## Columns:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | 05 | 834 1000 81 | -11 17 3 | 84 983 163 |
## 2 | 1015 | 113 997 323 | -106 53 34 | -449 944 626 |
## 3 | 15 | 33 969 100 | -162 117 23 | -437 852 174 |
## 4 | 510 | 20 1000 497 | 1339 963 941 | -261 37 37 |
## 对应分析图
par(family = "STKaiti",mfrow = c(1,1))
plot.ca(df46ca,main = "生活费VS每周平均定外卖的次数")
plot(df46ca,main = "生活费VS每周平均定外卖的次数")
# xtabs(~q4+q6,data = usedata)
## 5 您对食堂饭菜的满意度：（ ）yu 6 您每周平均定外卖的次数？：（ ）
t56 <- table(usedata$q5,usedata$q6)
t56
##
## 0—5次 5—10次 10—15次 15次以上
## 非常满意 9 0 1 0
## 比较满意 63 5 1 1
## 满意 36 7 3 1
## 一般 122 18 3 2
## 差 22 4 2 2
# 卡方检验 有显著性关系
chisq.test(t56)
## Warning in chisq.test(t56): Chi-squared approximation may be incorrect
##
## Pearson's Chi-squared test
##
## data: t56
## X-squared = 13.095, df = 12, p-value = 0.3622
## 对应分析
df56 <- tab2df(usedata$q5,usedata$q6)
df56ca <- ca(df56)
df56ca
##
## Principal inertias (eigenvalues):
## 1 2 3
## Value 0.0263 0.010987 0.006072
## Percentage 60.66% 25.34% 14%
##
##
## Rows:
## 一般 满意 差 比较满意 非常满意
## Mass 0.033113 0.231788 0.155629 0.480132 0.099338
## ChiDist 0.522221 0.180188 0.214368 0.088101 0.400392
## Inertia 0.009030 0.007526 0.007152 0.003727 0.015925
## Dim. 1 0.230311 -0.959275 1.105482 -0.385952 2.295050
## Dim. 2 4.939594 0.444342 0.102153 -0.537430 -0.245790
##
##
## Columns:
## 0—5次 10—15次 15次以上 5—10次
## Mass 0.834437 0.112583 0.033113 0.019868
## ChiDist 0.064615 0.297900 0.716628 0.805149
## Inertia 0.003484 0.009991 0.017005 0.012879
## Dim. 1 -0.370932 0.938547 3.711894 4.074228
## Dim. 2 0.195105 -2.166247 3.421658 -1.621767
# 查看卡方检验值
summary(df56ca)
##
## Principal inertias (eigenvalues):
##
## dim value % cum% scree plot
## 1 0.026300 60.7 60.7 ***************
## 2 0.010987 25.3 86.0 ******
## 3 0.006072 14.0 100.0 ****
## -------- -----
## Total: 0.043360 100.0
##
##
## Rows:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | | 33 988 208 | 37 5 2 | 518 983 808 |
## 2 | | 232 812 174 | -156 745 213 | 47 67 46 |
## 3 | | 156 702 165 | 179 699 190 | 11 2 2 |
## 4 | | 480 914 86 | -63 505 72 | -56 409 139 |
## 5 | | 99 868 367 | 372 864 523 | -26 4 6 |
##
## Columns:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | 05 | 834 967 80 | -60 867 115 | 20 100 32 |
## 2 | 1015 | 113 842 230 | 152 261 99 | -227 581 528 |
## 3 | 15 | 33 956 392 | 602 706 456 | 359 250 388 |
## 4 | 510 | 20 718 297 | 661 673 330 | -170 45 52 |
## 对应分析图
par(family = "STKaiti",mfrow = c(1,1))
plot.ca(df56ca,main = "对食堂饭菜的满意度VS每周平均定外卖的次数")
## 2您的年级：（ ）yu 6您每周平均定外卖的次数？：（ ）
## 1:去掉研究生的数据 ＃＃
useda1234 <- usedata[which(usedata$q2 != "研究生"),]
useda1234$q2 <- factor(useda1234$q2,labels = c("大一","大二","大三","大四"))
str(useda1234$q2)
## Factor w/ 4 levels "大一","大二",..: 3 3 3 3 2 2 2 3 2 3 ...
t26 <- table(useda1234$q2,useda1234$q6)
t26
##
## 0—5次 5—10次 10—15次 15次以上
## 大一 41 12 1 1
## 大二 82 11 2 2
## 大三 123 11 6 2
## 大四 6 0 1 0
# 卡方检验 有显著性关系
chisq.test(t26)
## Warning in chisq.test(t26): Chi-squared approximation may be incorrect
##
## Pearson's Chi-squared test
##
## data: t26
## X-squared = 12.465, df = 9, p-value = 0.1884
## 对应分析
df26 <- tab2df(useda1234$q2,useda1234$q6)
df26ca <- ca(df26)
df26ca
##
## Principal inertias (eigenvalues):
## 1 2 3
## Value 0.03503 0.006283 9.8e-05
## Percentage 84.59% 15.17% 0.24%
##
##
## Rows:
## 大三 大二 大四 大一
## Mass 0.182724 0.322259 0.471761 0.023256
## ChiDist 0.339170 0.076352 0.122453 0.701311
## Inertia 0.021020 0.001879 0.007074 0.011438
## Dim. 1 -1.745152 -0.191519 0.651189 3.155986
## Dim. 2 1.152163 -0.837940 -0.108227 4.754208
##
##
## Columns:
## 0—5次 10—15次 15次以上 5—10次
## Mass 0.837209 0.112957 0.033223 0.016611
## ChiDist 0.052953 0.477914 0.609877 0.233578
## Inertia 0.002348 0.025800 0.012357 0.000906
## Dim. 1 0.249683 -2.496319 2.636696 -0.882451
## Dim. 2 -0.313353 1.268333 4.517980 -1.867611
# 查看卡方检验值
summary(df26ca)
##
## Principal inertias (eigenvalues):
##
## dim value % cum% scree plot
## 1 0.035030 84.6 84.6 *********************
## 2 0.006283 15.2 99.8 ****
## 3 9.8e-050 0.2 100.0
## -------- -----
## Total: 0.041411 100.0
##
##
## Rows:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | 大三 | 183 1000 508 | -327 927 556 | 91 73 243 |
## 2 | 大二 | 322 977 45 | -36 220 12 | -66 757 226 |
## 3 | 大四 | 472 996 171 | 122 991 200 | -9 5 6 |
## 4 | 大一 | 23 998 276 | 591 709 232 | 377 289 526 |
##
## Columns:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | 05 | 837 999 57 | 47 779 52 | -25 220 82 |
## 2 | 1015 | 113 1000 623 | -467 956 704 | 101 44 182 |
## 3 | 15 | 33 1000 298 | 493 655 231 | 358 345 678 |
## 4 | 510 | 17 902 22 | -165 500 13 | -148 402 58 |
## 对应分析图
par(family = "STKaiti",mfrow = c(1,1))
plot.ca(df26ca,main = "年级VS每周平均定外卖的次数")
## 8如果您选择外卖，那您对快餐理想的价格是？：（ ）yu 6您每周平均定外卖的次数？：（ ）
t86 <- table(usedata$q8,usedata$q6)
t86
##
## 0—5次 5—10次 10—15次 15次以上
## 6元以下 38 4 0 0
## 6—10元 186 23 7 3
## 10—15元 27 6 3 2
## 15－20元 0 1 0 0
## 20元以上 1 0 0 1
# 卡方检验 没有显著性关系
chisq.test(t86)
## Warning in chisq.test(t86): Chi-squared approximation may be incorrect
##
## Pearson's Chi-squared test
##
## data: t86
## X-squared = 40.688, df = 12, p-value = 5.524e-05
## 对应分析
df86 <- tab2df(usedata$q8,usedata$q6)
df86ca <- ca(df86)
df86ca
##
## Principal inertias (eigenvalues):
## 1 2 3
## Value 0.09097 0.032868 0.010891
## Percentage 67.52% 24.4% 8.08%
##
##
## Rows:
## 6—10元 6元以下 10—15元 15－20元 20元以上
## Mass 0.139073 0.725166 0.125828 0.003311 0.006623
## ChiDist 0.248151 0.052233 0.392574 2.807553 3.447164
## Inertia 0.008564 0.001978 0.019392 0.026101 0.078695
## Dim. 1 -0.558713 -0.152348 0.907864 -0.139359 11.235360
## Dim. 2 0.620925 0.133987 -1.212938 -14.568751 2.619214
##
##
## Columns:
## 0—5次 10—15次 15次以上 5—10次
## Mass 0.834437 0.112583 0.033113 0.019868
## ChiDist 0.091477 0.489192 0.625277 2.102911
## Inertia 0.006983 0.026942 0.012946 0.087859
## Dim. 1 -0.181829 -0.042032 0.549432 6.959282
## Dim. 2 0.402449 -2.641265 -1.489772 0.547260
# 查看卡方检验值
summary(df86ca)
##
## Principal inertias (eigenvalues):
##
## dim value % cum% scree plot
## 1 0.090970 67.5 67.5 *****************
## 2 0.032868 24.4 91.9 ******
## 3 0.010891 8.1 100.0 **
## -------- -----
## Total: 0.134730 100.0
##
##
## Rows:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | 610 | 139 667 64 | -169 461 43 | 113 206 54 |
## 2 | 6 | 725 990 15 | -46 774 17 | 24 216 13 |
## 3 | 1015 | 126 800 144 | 274 487 104 | -220 314 185 |
## 4 | 1520 | 3 885 194 | -42 0 0 | -2641 885 703 |
## 5 | 20 | 7 985 584 | 3389 966 836 | 475 19 45 |
##
## Columns:
## name mass qlt inr k=1 cor ctr k=2 cor ctr
## 1 | 05 | 834 996 52 | -55 359 28 | 73 636 135 |
## 2 | 1015 | 113 959 200 | -13 1 0 | -479 958 785 |
## 3 | 15 | 33 257 96 | 166 70 10 | -270 187 73 |
## 4 | 510 | 20 999 652 | 2099 996 962 | 99 2 6 |
## 对应分析图
par(family = "STKaiti",mfrow = c(1,1))
plot.ca(df86ca,main = "对外卖理想的价格VS每周平均定外卖的次数")
