str(data)

## 'data.frame':    56 obs. of  45 variables:
##  $ Gender: Factor w/ 2 levels "F","M": 1 1 1 1 1 1 2 1 2 1 ...
##  $ Age   : num  16 16 16 16 15 20 21 19 20 21 ...
##  $ School: Factor w/ 4 levels "大學","五專",..: 2 3 3 3 3 1 1 3 1 1 ...
##  $ d1    : num  3 3 3 2 3 2 3 4 4 3 ...
##  $ d2    : num  1 1 1 1 1 3 1 1 1 1 ...
##  $ d3    : num  3 2 2 1 1 3 1 3 4 2 ...
##  $ d4    : num  2 1 2 1 1 2 3 3 3 2 ...
##  $ d5    : num  2 1 2 1 2 4 3 4 3 3 ...
##  $ d6    : num  4 2 3 1 1 2 3 3 5 3 ...
##  $ d7    : num  4 1 4 1 4 4 5 3 5 3 ...
##  $ d8    : num  6 6 5 5 6 2 4 3 4 4 ...
##  $ d9    : num  3 4 3 4 4 3 4 3 4 3 ...
##  $ d10   : num  4 1 3 6 4 5 6 3 6 4 ...
##  $ d11   : num  2 1 3 4 1 3 3 3 2 3 ...
##  $ d12   : num  2 1 3 2 1 3 3 2 3 3 ...
##  $ d13   : num  2 1 2 2 2 3 3 2 6 3 ...
##  $ d14   : num  2 1 3 2 1 3 2 2 3 3 ...
##  $ d15   : num  1 4 4 4 5 4 1 5 3 3 ...
##  $ d16   : num  1 1 2 2 1 3 3 2 1 3 ...
##  $ d17   : num  5 1 4 2 4 4 4 2 5 3 ...
##  $ d18   : num  3 4 4 3 6 4 4 5 4 3 ...
##  $ d19   : num  4 5 4 4 4 4 2 5 4 4 ...
##  $ d20   : num  4 2 4 4 4 4 4 4 5 3 ...
##  $ cul1  : num  1 1 0 0 1 0 0 0 0 0 ...
##  $ cul2  : num  1 1 0 1 1 0 1 1 1 1 ...
##  $ cul3  : num  1 1 0 0 0 0 0 1 1 0 ...
##  $ cul4  : num  0 0 0 0 0 0 1 0 0 1 ...
##  $ cul5  : num  1 0 0 0 1 1 1 1 1 1 ...
##  $ soci1 : num  4 4 4 1 4 4 4 2 3 2 ...
##  $ soci2 : num  4 4 4 4 4 4 4 3 4 3 ...
##  $ soci3 : num  3 5 3 4 4 4 3 5 4 4 ...
##  $ soci4 : num  4 4 5 4 4 3 4 4 5 4 ...
##  $ soci5 : num  5 4 6 4 3 5 4 6 6 4 ...
##  $ soci6 : num  4 4 4 5 4 4 5 4 5 4 ...
##  $ soci7 : num  5 5 6 2 3 5 4 5 3 4 ...
##  $ soci8 : num  1 3 4 3 5 4 3 2 4 4 ...
##  $ soci9 : num  4 4 3 2 3 4 3 5 4 4 ...
##  $ soci10: num  4 5 4 5 4 2 4 4 4 4 ...
##  $ soci11: num  3 4 3 2 3 3 3 4 3 3 ...
##  $ soci12: num  4 5 4 5 4 3 4 4 4 4 ...
##  $ soci13: num  5 2 5 5 4 2 4 5 5 4 ...
##  $ soci14: num  5 4 6 4 4 5 3 4 4 3 ...
##  $ soci15: num  4 3 4 4 3 5 4 4 3 3 ...
##  $ soci16: num  5 4 3 5 4 3 4 4 5 4 ...
##  $ id    : int  1 2 3 4 5 6 7 8 9 10 ...

第八題是反向題，相關係數應該要是負的

2,4,6,8,10,12,13,16是反向題 把反向題反向計分後看相關

把反向題反向計分後，看性別差異

corrplot(cor(dta[,24:28]),tl.col = "black",method = "color")

v 文化知識背景了解得越多，越不容易歧視

v 社會讚許性分數越高，越不容易誠實作答，歧視分數越低

corrplot(cor(dta[,46:48]),tl.col = "black", method = "color")

外勞歧視20題的Cronbach's \(\alpha\)

alpha(dta[,4:23],keys="d8") %>% summary() 

## 
## Reliability analysis   
##  raw_alpha std.alpha G6(smc) average_r S/N   ase mean   sd
##       0.87      0.86    0.92      0.24 6.3 0.023  2.9 0.59

alpha(dta[,29:44],keys=c("soci2","soci4","soci6","soci8",
                          "soci10","soci12","soci13","soci16")) %>% summary()

## 
## Reliability analysis   
##  raw_alpha std.alpha G6(smc) average_r S/N   ase mean   sd
##       0.82      0.83    0.89      0.23 4.7 0.034  3.5 0.53

alpha(dta[,24:28]) %>% summary()

## 
## Reliability analysis   
##  raw_alpha std.alpha G6(smc) average_r  S/N  ase mean   sd
##       0.31      0.31     0.3     0.084 0.46 0.14 0.42 0.22