Библиотеки

library(reshape2)
library(ggplot2)
library(stringr)

Шкалы методик

Опросник ДУМЭОЛП

  • диагностика уровня морально-этической ответственности личности И.Г. Тимощука

D1 - Рефлексия на морально-этические ситуации (моральная рефлексия или рефлексия актуализирующаяся в ситуациях связанных с морально-этическими коллизиями и конфликтами).

D2 - Интуиция в морально-этической сфере (нравственная интуиция).

D3 - Экзистенциальный аспект ответственности.

D4 - Альтруистические эмоции.

D5 - Морально-этические ценности.

  • не используется - Шкала лжи (социальной желательности)

D0 - уровень сформированности морально-этической ответственности

Опросник моральных оснований

M1 - Забота

M2 - Справедливость

M3 - Лояльность

M4 - Уважение

M5 - Чистота

ЭкО 30 - Опросник экологических установок (Кряж И. В.)

K1 - Отрицание экологических проблем

K2 - Экологическая интернальность

K3 - Биоцентризм

K4 - «Деньги» (шкала финансово-экономических приоритетов)

K0 - Общий показатель озабоченности глобальными экологическими проблемами

Импорт таблицы

Data <- read.csv2("../Moral.csv")
Data$Name <- paste0(str_sub(Data$Name, 1, 3), str_sub(Data$Name, -1, -1))
Data$Gender <- as.factor(Data$Gender)

NamesData <- names(Data)
ggplot(Data, aes(x = K0, y = D1, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = D2, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = D3, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = D4, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = D5, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = D6, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = D0, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = M1, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = M2, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = M3, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = M4, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

ggplot(Data, aes(x = K0, y = M5, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm')
## `geom_smooth()` using formula 'y ~ x'

facet

meltData <- melt(Data
                 , id.vars = c("Name",  "Gender", "K0")
                 , measure.vars = 9:13)
head(meltData)
##   Name Gender K0 variable value
## 1 Пот5      m  3       M1    15
## 2 Бел5      f 27       M1    16
## 3 Чен1      f  1       M1    13
## 4 Ант4      m 32       M1    16
## 5 Ли 1      f 12       M1    19
## 6 Ли 3      f  0       M1    18
ggplot(meltData, aes(x = K0, y = value, col = Gender)) +
         geom_point() +
         geom_smooth(method = 'lm') +
        facet_grid(cols = vars(variable))
## `geom_smooth()` using formula 'y ~ x'