SIVIS - Explicit measure - Data processing
Luis Anunciacao
06 June, 2021
library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.0.5## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.3 v purrr 0.3.4
## v tibble 3.1.0 v dplyr 1.0.4
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(janitor)##
## Attaching package: 'janitor'## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.testlibrary(psych)## Warning: package 'psych' was built under R version 4.0.5##
## Attaching package: 'psych'## The following objects are masked from 'package:ggplot2':
##
## %+%, alpha1 Data analysis
If one needs to get the Rdata, please just change the following directory.
load("C:/Users/luisf/Dropbox/ANOVA/Administracao/Contratos Servicos/SIVIS/Medida explicita/Base R - SIVIS EFA.RData")2 Participants
items_original %>% na.omit %>% #nrow #(página 5 do pdf e 1371 da edção)
mutate(political = as.numeric(as.character(political))) %>% ## ATENÇÃO!!! NÃO DA PARA TRANSFORMAR FACTOR TO NUMERIC TAO SIMPLES
select(sex, region, age, education, income, religion, civil_status, race, political) %>%
#summarytools::descr()
summarytools::freq()## Registered S3 method overwritten by 'pryr':
## method from
## print.bytes Rcpp## Variable(s) ignored: age## Frequencies
## items_original$sex
## Type: Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 1 110 48.89 48.89 48.89 48.89
## 2 114 50.67 99.56 50.67 99.56
## 3 1 0.44 100.00 0.44 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00
##
## items_original$region
## Type: Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 2 1 0.44 0.44 0.44 0.44
## 6 9 4.00 4.44 4.00 4.44
## 7 4 1.78 6.22 1.78 6.22
## 8 2 0.89 7.11 0.89 7.11
## 10 2 0.89 8.00 0.89 8.00
## 12 1 0.44 8.44 0.44 8.44
## 13 13 5.78 14.22 5.78 14.22
## 14 6 2.67 16.89 2.67 16.89
## 16 94 41.78 58.67 41.78 58.67
## 17 3 1.33 60.00 1.33 60.00
## 19 28 12.44 72.44 12.44 72.44
## 21 2 0.89 73.33 0.89 73.33
## 24 20 8.89 82.22 8.89 82.22
## 25 40 17.78 100.00 17.78 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00
##
## items_original$education
## Type: Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 1 2 0.89 0.89 0.89 0.89
## 2 4 1.78 2.67 1.78 2.67
## 3 56 24.89 27.56 24.89 27.56
## 4 163 72.44 100.00 72.44 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00
##
## items_original$income
## Type: Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 1 6 2.67 2.67 2.67 2.67
## 2 18 8.00 10.67 8.00 10.67
## 3 49 21.78 32.44 21.78 32.44
## 4 60 26.67 59.11 26.67 59.11
## 5 49 21.78 80.89 21.78 80.89
## 6 43 19.11 100.00 19.11 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00
##
## items_original$religion
## Type: Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 0 9 4.00 4.00 4.00 4.00
## 1 78 34.67 38.67 34.67 38.67
## 2 104 46.22 84.89 46.22 84.89
## 3 17 7.56 92.44 7.56 92.44
## 4 2 0.89 93.33 0.89 93.33
## 7 2 0.89 94.22 0.89 94.22
## 8 11 4.89 99.11 4.89 99.11
## 9 2 0.89 100.00 0.89 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00
##
## items_original$civil_status
## Type: Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 1 120 53.33 53.33 53.33 53.33
## 2 89 39.56 92.89 39.56 92.89
## 3 14 6.22 99.11 6.22 99.11
## 4 2 0.89 100.00 0.89 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00
##
## items_original$race
## Type: Factor
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 0 4 1.78 1.78 1.78 1.78
## 1 181 80.44 82.22 80.44 82.22
## 3 7 3.11 85.33 3.11 85.33
## 4 28 12.44 97.78 12.44 97.78
## 5 5 2.22 100.00 2.22 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00
##
## items_original$political
## Type: Numeric
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 0 29 12.89 12.89 12.89 12.89
## 1 38 16.89 29.78 16.89 29.78
## 2 54 24.00 53.78 24.00 53.78
## 3 45 20.00 73.78 20.00 73.78
## 4 35 15.56 89.33 15.56 89.33
## 5 12 5.33 94.67 5.33 94.67
## 6 12 5.33 100.00 5.33 100.00
## <NA> 0 0.00 100.00
## Total 225 100.00 100.00 100.00 100.00mean(as.numeric(as.character(items_original$political)), na.rm=T)## [1] 2.4577783 Factor analysis
4 Get items content
ds %>%
select(participo_frequentemente_de_eventos_que_nao_sao_obrigatorios_mas_que_ajudam_a_comunidade_da_empresa_organizacao_em_que_trabalho:expresso_minhas_opinioes_sobre_assuntos_relacionados_ao_trabalho_mesmo_quando_outros_discordam) %>% #get items
colnames() %>% #get names
as.data.frame() %>% #transform into ds
mutate(item = paste0("y",row_number())) %>% #plug in item numbers
set_names(., c("conteudo","item")) %>% #easeness names
mutate_at(vars(conteudo), ~str_replace_all(.,"_", " ")) -> banco_de_itens5 Function to Get standardized table
report_fa <- function(vector) {
table_final_solution <- as.data.frame(unclass(vector$loadings)) %>%
data.frame() %>%
setNames(paste0("X", seq_along(.) - 1)) %>% #get specific names
rownames_to_column("item") %>%
arrange(desc(X0)) %>%
mutate_if(is.numeric, round, 3) %>%
left_join(., banco_de_itens, by ="item") %>%
select(item, conteudo, everything())
print(table_final_solution)
}6 Reliability of the data
# Original data (not to use)
items_original %>% select(y1:y96) %>% alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.9 0.91 0.96 0.095 10 0.0082 4.1 0.34 0.088
##
## lower alpha upper 95% confidence boundaries
## 0.88 0.9 0.92
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y1 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y2- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y3 0.9 0.91 0.96 0.094 9.8 0.0084 0.015 0.087
## y4 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y5 0.9 0.91 0.96 0.094 9.9 0.0083 0.015 0.086
## y6 0.9 0.91 0.96 0.094 9.8 0.0084 0.015 0.086
## y7 0.9 0.91 0.96 0.095 9.9 0.0083 0.015 0.087
## y8 0.9 0.91 0.96 0.094 9.9 0.0083 0.015 0.087
## y9 0.9 0.91 0.96 0.095 9.9 0.0083 0.015 0.086
## y10 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y11 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y12- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.089
## y13- 0.9 0.91 0.96 0.098 10.3 0.0080 0.015 0.089
## y14 0.9 0.91 0.96 0.095 9.9 0.0084 0.015 0.087
## y15 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.086
## y16 0.9 0.91 0.96 0.095 10.0 0.0082 0.015 0.088
## y17 0.9 0.91 0.96 0.094 9.8 0.0084 0.015 0.086
## y18 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y19 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y20 0.9 0.91 0.96 0.095 10.0 0.0082 0.015 0.088
## y21 0.9 0.91 0.96 0.095 9.9 0.0084 0.015 0.087
## y22 0.9 0.91 0.96 0.094 9.9 0.0083 0.015 0.086
## y23 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y24 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y25 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.088
## y26- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y27 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y28 0.9 0.91 0.96 0.096 10.0 0.0082 0.015 0.088
## y29 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y30- 0.9 0.91 0.96 0.096 10.0 0.0083 0.015 0.088
## y31 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.088
## y32 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y33 0.9 0.91 0.96 0.094 9.9 0.0083 0.015 0.086
## y34 0.9 0.91 0.96 0.096 10.0 0.0082 0.015 0.088
## y35 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y36 0.9 0.91 0.96 0.095 10.0 0.0082 0.015 0.088
## y37 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y38- 0.9 0.91 0.96 0.094 9.9 0.0083 0.015 0.087
## y39- 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y40 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y41- 0.9 0.91 0.96 0.094 9.9 0.0085 0.015 0.086
## y42 0.9 0.91 0.96 0.097 10.2 0.0082 0.015 0.089
## y43- 0.9 0.91 0.96 0.097 10.2 0.0081 0.015 0.089
## y44- 0.9 0.91 0.96 0.095 9.9 0.0084 0.015 0.087
## y45- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y46- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y47- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y48- 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.088
## y49 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y50- 0.9 0.91 0.96 0.095 9.9 0.0084 0.015 0.087
## y51- 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y52 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y53 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y54- 0.9 0.91 0.96 0.094 9.9 0.0083 0.015 0.087
## y55- 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y56 0.9 0.91 0.96 0.095 10.0 0.0082 0.015 0.088
## y57 0.9 0.91 0.96 0.095 9.9 0.0083 0.015 0.087
## y58 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y59 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y60 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y61 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y62 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y63 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y64 0.9 0.91 0.96 0.098 10.3 0.0081 0.015 0.089
## y65- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y66- 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.088
## y67 0.9 0.91 0.96 0.096 10.1 0.0083 0.015 0.088
## y68- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y69 0.9 0.91 0.96 0.097 10.2 0.0081 0.015 0.089
## y70- 0.9 0.91 0.96 0.094 9.9 0.0083 0.015 0.087
## y71- 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.088
## y72 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.089
## y73 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.089
## y74- 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.088
## y75 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y76 0.9 0.91 0.96 0.097 10.2 0.0082 0.015 0.089
## y77- 0.9 0.91 0.96 0.097 10.2 0.0081 0.015 0.088
## y78 0.9 0.91 0.96 0.096 10.0 0.0082 0.015 0.088
## y79- 0.9 0.91 0.96 0.097 10.2 0.0081 0.015 0.089
## y80 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y81- 0.9 0.91 0.96 0.094 9.9 0.0085 0.015 0.087
## y82 0.9 0.91 0.96 0.094 9.9 0.0084 0.015 0.087
## y83 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y84- 0.9 0.91 0.96 0.095 9.9 0.0084 0.015 0.087
## y85 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y86 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y87- 0.9 0.91 0.96 0.098 10.3 0.0081 0.015 0.089
## y88- 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y89- 0.9 0.91 0.96 0.097 10.2 0.0081 0.015 0.088
## y90 0.9 0.91 0.96 0.095 10.0 0.0083 0.015 0.087
## y91- 0.9 0.91 0.96 0.094 9.9 0.0085 0.015 0.087
## y92 0.9 0.91 0.96 0.096 10.0 0.0083 0.015 0.088
## y93 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y94 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
## y95 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.089
## y96 0.9 0.91 0.96 0.096 10.1 0.0082 0.015 0.088
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y1 285 0.263 0.2648 0.2554 0.22768 3.6 1.25
## y2- 285 0.252 0.2531 0.2440 0.20670 4.3 1.05
## y3 285 0.513 0.5366 0.5403 0.51562 4.7 0.74
## y4 285 0.486 0.5066 0.5071 0.48536 4.6 0.77
## y5 285 0.447 0.5113 0.5127 0.45077 4.9 0.51
## y6 285 0.513 0.5313 0.5324 0.50045 4.6 0.82
## y7 285 0.432 0.4212 0.4150 0.39519 4.5 0.94
## y8 285 0.425 0.4516 0.4494 0.41221 4.5 0.87
## y9 285 0.393 0.4460 0.4434 0.38827 4.8 0.46
## y10 285 0.231 0.2390 0.2285 0.19327 4.9 0.41
## y11 285 0.352 0.3455 0.3412 0.30576 4.2 1.18
## y12- 285 0.171 0.1996 0.1887 0.17416 3.9 1.23
## y13- 249 0.043 0.0177 0.0069 0.01305 2.7 1.36
## y14 249 0.448 0.4384 0.4374 0.41786 4.0 1.17
## y15 249 0.514 0.5210 0.5228 0.48900 4.2 1.01
## y16 249 0.291 0.3102 0.3018 0.25357 4.4 0.76
## y17 249 0.565 0.5551 0.5564 0.53541 4.3 0.98
## y18 249 0.478 0.4531 0.4488 0.43951 3.7 1.34
## y19 249 0.160 0.2203 0.2137 0.12352 4.5 0.69
## y20 249 0.288 0.3115 0.3013 0.25243 4.1 1.00
## y21 249 0.458 0.4239 0.4222 0.41613 3.7 1.26
## y22 249 0.476 0.5292 0.5289 0.46865 4.7 0.61
## y23 249 0.240 0.2735 0.2702 0.20680 4.6 0.78
## y24 249 0.241 0.2283 0.2141 0.19829 3.8 1.19
## y25 244 0.293 0.3431 0.3385 0.27304 4.6 0.71
## y26- 244 0.275 0.2387 0.2268 0.23172 2.7 1.39
## y27 244 0.449 0.4692 0.4671 0.42783 4.2 1.05
## y28 244 0.278 0.3053 0.2984 0.24057 4.4 0.97
## y29 244 0.380 0.3810 0.3752 0.35628 4.4 0.88
## y30- 244 0.309 0.3038 0.2988 0.29361 3.8 1.17
## y31 244 0.297 0.3401 0.3356 0.26997 4.6 0.85
## y32 244 0.346 0.4016 0.4006 0.32451 4.6 0.68
## y33 244 0.455 0.4865 0.4888 0.43918 4.8 0.60
## y34 244 0.260 0.2943 0.2851 0.23776 4.5 0.80
## y35 244 0.316 0.3455 0.3391 0.29191 4.7 0.61
## y36 244 0.263 0.3200 0.3139 0.25291 4.7 0.54
## y37 245 0.108 0.1639 0.1545 0.09068 4.5 0.73
## y38- 245 0.462 0.4939 0.4959 0.44521 4.9 0.48
## y39- 245 0.450 0.4608 0.4583 0.43413 4.3 1.03
## y40 245 0.394 0.3996 0.3934 0.36702 4.6 0.70
## y41- 245 0.522 0.5066 0.5072 0.50927 4.0 1.31
## y42 245 0.146 0.0865 0.0791 0.11135 2.0 1.18
## y43- 245 0.048 0.0550 0.0405 0.00854 3.6 1.16
## y44- 245 0.476 0.4329 0.4313 0.43574 3.9 1.26
## y45- 245 0.172 0.1749 0.1639 0.12861 4.3 1.00
## y46- 245 0.207 0.1790 0.1654 0.16287 3.8 1.30
## y47- 245 0.177 0.2160 0.2072 0.15785 4.4 0.98
## y48- 245 0.384 0.3594 0.3516 0.34434 3.7 1.19
## y49 247 0.487 0.4638 0.4603 0.45388 3.7 1.39
## y50- 247 0.478 0.4232 0.4208 0.44722 3.5 1.42
## y51- 247 0.524 0.4587 0.4575 0.48918 3.6 1.37
## y52 247 0.420 0.3971 0.3934 0.39041 4.1 1.15
## y53 247 0.458 0.4557 0.4554 0.43461 4.5 1.03
## y54- 247 0.452 0.4531 0.4529 0.43717 4.7 0.84
## y55- 247 0.421 0.3820 0.3790 0.39015 3.9 1.18
## y56 247 0.265 0.3240 0.3159 0.26101 4.6 0.67
## y57 247 0.427 0.4224 0.4169 0.39748 4.4 0.88
## y58 247 0.340 0.3417 0.3340 0.29811 4.1 1.13
## y59 247 0.259 0.2666 0.2616 0.22926 3.8 1.13
## y60 247 0.476 0.4721 0.4701 0.45230 3.8 1.16
## y61 242 0.195 0.2531 0.2476 0.18782 4.9 0.29
## y62 242 0.188 0.2192 0.2079 0.16739 4.5 0.63
## y63 242 0.161 0.2106 0.1993 0.15278 4.9 0.30
## y64 242 0.042 0.0155 -0.0013 -0.00044 2.5 1.27
## y65- 242 0.283 0.2142 0.2072 0.23644 2.6 1.25
## y66- 242 0.326 0.3085 0.2979 0.29219 4.0 1.13
## y67 242 0.321 0.2788 0.2686 0.27967 2.9 1.45
## y68- 242 0.268 0.2494 0.2400 0.22572 3.9 1.19
## y69 242 0.125 0.0742 0.0609 0.07774 2.7 1.46
## y70- 242 0.436 0.4660 0.4646 0.41360 4.7 0.76
## y71- 242 0.384 0.3843 0.3824 0.34681 4.7 0.78
## y72 242 0.158 0.1814 0.1684 0.12929 4.6 0.83
## y73 248 0.176 0.1816 0.1694 0.14091 4.3 1.07
## y74- 248 0.338 0.3086 0.2982 0.30709 3.7 1.30
## y75 248 0.366 0.3827 0.3736 0.33704 4.5 0.82
## y76 248 0.147 0.1551 0.1470 0.10276 3.9 1.05
## y77- 248 0.064 0.0957 0.0844 0.02467 3.8 1.19
## y78 248 0.263 0.2852 0.2802 0.23730 4.0 1.10
## y79- 248 0.141 0.0962 0.0842 0.11116 2.8 1.30
## y80 248 0.220 0.2432 0.2343 0.18073 4.5 0.92
## y81- 248 0.557 0.5250 0.5262 0.53350 3.9 1.20
## y82 248 0.487 0.4713 0.4691 0.46762 3.7 1.25
## y83 248 0.367 0.3784 0.3725 0.33211 4.6 0.78
## y84- 248 0.475 0.4411 0.4398 0.45048 4.1 1.19
## y85 238 0.340 0.3936 0.3925 0.32203 4.7 0.62
## y86 238 0.177 0.2444 0.2380 0.16999 4.8 0.50
## y87- 238 0.024 -0.0045 -0.0188 -0.00160 1.5 0.80
## y88- 238 0.172 0.1837 0.1719 0.13432 4.2 1.15
## y89- 238 0.113 0.1149 0.1035 0.07406 3.4 1.13
## y90 238 0.401 0.3836 0.3773 0.35880 3.8 1.20
## y91- 238 0.563 0.5236 0.5272 0.52845 4.1 1.38
## y92 238 0.294 0.2956 0.2913 0.26776 3.9 1.00
## y93 238 0.218 0.2300 0.2234 0.18555 3.9 1.21
## y94 238 0.233 0.2413 0.2360 0.20670 4.1 1.08
## y95 238 0.193 0.1694 0.1604 0.14858 3.7 1.29
## y96 238 0.258 0.2767 0.2707 0.22823 4.1 1.00
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y1 0.08 0.13 0.23 0.27 0.29 0.00
## y2 0.59 0.24 0.08 0.07 0.03 0.00
## y3 0.01 0.01 0.03 0.19 0.75 0.00
## y4 0.01 0.03 0.03 0.20 0.74 0.00
## y5 0.01 0.00 0.03 0.06 0.91 0.00
## y6 0.02 0.02 0.04 0.16 0.76 0.00
## y7 0.03 0.04 0.04 0.20 0.70 0.00
## y8 0.01 0.04 0.05 0.24 0.65 0.00
## y9 0.00 0.00 0.02 0.12 0.86 0.00
## y10 0.00 0.01 0.01 0.03 0.95 0.00
## y11 0.06 0.05 0.09 0.19 0.61 0.00
## y12 0.42 0.25 0.15 0.14 0.04 0.00
## y13 0.13 0.20 0.14 0.30 0.23 0.13
## y14 0.06 0.07 0.10 0.35 0.43 0.13
## y15 0.04 0.04 0.09 0.35 0.49 0.13
## y16 0.00 0.02 0.09 0.30 0.59 0.13
## y17 0.02 0.06 0.10 0.29 0.53 0.13
## y18 0.11 0.11 0.13 0.30 0.35 0.13
## y19 0.00 0.02 0.04 0.35 0.58 0.13
## y20 0.02 0.08 0.08 0.38 0.44 0.13
## y21 0.08 0.14 0.13 0.35 0.31 0.13
## y22 0.01 0.00 0.02 0.18 0.78 0.13
## y23 0.01 0.02 0.04 0.23 0.69 0.13
## y24 0.06 0.10 0.15 0.32 0.37 0.13
## y25 0.00 0.03 0.02 0.22 0.72 0.14
## y26 0.15 0.22 0.06 0.36 0.21 0.14
## y27 0.04 0.04 0.11 0.27 0.54 0.14
## y28 0.03 0.05 0.03 0.30 0.59 0.14
## y29 0.02 0.03 0.06 0.27 0.62 0.14
## y30 0.34 0.39 0.08 0.16 0.04 0.14
## y31 0.02 0.02 0.02 0.15 0.77 0.14
## y32 0.01 0.01 0.03 0.28 0.67 0.14
## y33 0.01 0.01 0.02 0.11 0.85 0.14
## y34 0.01 0.01 0.09 0.20 0.69 0.14
## y35 0.00 0.01 0.04 0.16 0.80 0.14
## y36 0.00 0.00 0.02 0.25 0.72 0.14
## y37 0.00 0.01 0.08 0.30 0.60 0.14
## y38 0.93 0.04 0.02 0.01 0.00 0.14
## y39 0.60 0.24 0.07 0.08 0.02 0.14
## y40 0.00 0.02 0.03 0.21 0.73 0.14
## y41 0.53 0.20 0.08 0.13 0.07 0.14
## y42 0.41 0.34 0.08 0.12 0.04 0.14
## y43 0.20 0.44 0.14 0.14 0.07 0.14
## y44 0.46 0.27 0.07 0.15 0.05 0.14
## y45 0.58 0.29 0.07 0.04 0.03 0.14
## y46 0.42 0.19 0.18 0.14 0.06 0.14
## y47 0.60 0.27 0.04 0.07 0.02 0.14
## y48 0.31 0.39 0.07 0.20 0.03 0.14
## y49 0.08 0.19 0.11 0.18 0.45 0.13
## y50 0.34 0.21 0.11 0.23 0.10 0.13
## y51 0.34 0.27 0.10 0.19 0.09 0.13
## y52 0.06 0.05 0.10 0.33 0.45 0.13
## y53 0.04 0.04 0.05 0.11 0.76 0.13
## y54 0.81 0.12 0.02 0.02 0.02 0.13
## y55 0.38 0.35 0.09 0.15 0.04 0.13
## y56 0.00 0.02 0.02 0.28 0.67 0.13
## y57 0.01 0.04 0.09 0.31 0.56 0.13
## y58 0.06 0.03 0.14 0.29 0.48 0.13
## y59 0.04 0.08 0.21 0.30 0.36 0.13
## y60 0.06 0.10 0.13 0.39 0.32 0.13
## y61 0.00 0.00 0.00 0.03 0.96 0.15
## y62 0.00 0.01 0.03 0.42 0.54 0.15
## y63 0.00 0.00 0.00 0.08 0.91 0.15
## y64 0.27 0.27 0.19 0.20 0.07 0.15
## y65 0.09 0.18 0.14 0.39 0.21 0.15
## y66 0.48 0.19 0.22 0.09 0.02 0.15
## y67 0.21 0.25 0.10 0.26 0.18 0.15
## y68 0.39 0.34 0.10 0.12 0.05 0.15
## y69 0.29 0.20 0.13 0.22 0.15 0.15
## y70 0.83 0.10 0.03 0.02 0.01 0.15
## y71 0.79 0.14 0.03 0.02 0.02 0.15
## y72 0.02 0.01 0.07 0.19 0.71 0.15
## y73 0.04 0.04 0.12 0.18 0.62 0.13
## y74 0.37 0.23 0.17 0.16 0.07 0.13
## y75 0.01 0.02 0.11 0.17 0.69 0.13
## y76 0.02 0.10 0.16 0.38 0.33 0.13
## y77 0.38 0.29 0.14 0.15 0.04 0.13
## y78 0.04 0.07 0.17 0.32 0.40 0.13
## y79 0.11 0.26 0.11 0.35 0.17 0.13
## y80 0.02 0.04 0.05 0.17 0.71 0.13
## y81 0.42 0.32 0.11 0.09 0.06 0.13
## y82 0.05 0.18 0.15 0.28 0.34 0.13
## y83 0.01 0.02 0.08 0.18 0.71 0.13
## y84 0.56 0.19 0.11 0.08 0.05 0.13
## y85 0.01 0.01 0.01 0.21 0.76 0.16
## y86 0.00 0.00 0.02 0.19 0.78 0.16
## y87 0.02 0.02 0.03 0.31 0.62 0.16
## y88 0.58 0.21 0.08 0.10 0.03 0.16
## y89 0.18 0.34 0.20 0.26 0.03 0.16
## y90 0.06 0.13 0.10 0.37 0.34 0.16
## y91 0.66 0.09 0.07 0.08 0.10 0.16
## y92 0.02 0.10 0.14 0.44 0.31 0.16
## y93 0.05 0.11 0.16 0.25 0.44 0.16
## y94 0.03 0.08 0.13 0.29 0.47 0.16
## y95 0.08 0.14 0.13 0.30 0.34 0.16
## y96 0.03 0.07 0.10 0.40 0.41 0.16#Imputed data (use)
items_complete %>% select(y1:y96) %>% alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.91 0.92 0.96 0.11 12 0.003 4.1 0.36 0.1
##
## lower alpha upper 95% confidence boundaries
## 0.91 0.91 0.92
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y1 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y2- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y3 0.91 0.92 0.96 0.11 12 0.0031 0.011 0.10
## y4 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y5 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y6 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y7 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y8 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y9 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y10 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y11 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y12- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y13 0.91 0.92 0.96 0.11 12 0.0030 0.011 0.10
## y14 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y15 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y16 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y17 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y18 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y19 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y20 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y21 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y22 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y23 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y24 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y25 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y26- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y27 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y28 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y29 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y30- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y31 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y32 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y33 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y34 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y35 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y36 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y37 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y38- 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y39- 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y40 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y41- 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y42- 0.91 0.92 0.96 0.11 12 0.0030 0.011 0.10
## y43- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y44- 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y45- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y46- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.11
## y47- 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y48- 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y49 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y50- 0.91 0.92 0.96 0.11 12 0.0030 0.011 0.10
## y51- 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y52 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y53 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y54- 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y55- 0.91 0.92 0.96 0.11 12 0.0031 0.011 0.10
## y56 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y57 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y58 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y59 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y60 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y61 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y62 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y63 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y64- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y65- 0.91 0.92 0.96 0.11 12 0.0030 0.011 0.10
## y66- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y67 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y68- 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y69- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y70- 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y71- 0.91 0.92 0.96 0.11 11 0.0031 0.012 0.10
## y72 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y73 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y74- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y75 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y76 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y77- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y78 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y79- 0.91 0.92 0.96 0.11 12 0.0030 0.011 0.11
## y80 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y81- 0.91 0.92 0.96 0.11 11 0.0031 0.011 0.10
## y82 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y83 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y84- 0.91 0.92 0.96 0.11 11 0.0031 0.011 0.10
## y85 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
## y86 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y87 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y88- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y89- 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y90 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y91- 0.91 0.92 0.96 0.11 11 0.0031 0.011 0.10
## y92 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y93 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y94 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y95 0.91 0.92 0.96 0.11 12 0.0030 0.012 0.10
## y96 0.91 0.92 0.96 0.11 12 0.0031 0.012 0.10
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y1 1710 0.259 0.2543 0.243 0.225 3.6 1.25
## y2- 1710 0.253 0.2487 0.238 0.222 4.3 1.05
## y3 1710 0.404 0.4113 0.411 0.384 4.7 0.74
## y4 1710 0.406 0.4117 0.410 0.387 4.6 0.77
## y5 1710 0.356 0.3898 0.386 0.342 4.9 0.51
## y6 1710 0.403 0.4078 0.405 0.380 4.6 0.81
## y7 1710 0.386 0.3811 0.374 0.360 4.5 0.94
## y8 1710 0.339 0.3470 0.341 0.315 4.5 0.87
## y9 1710 0.336 0.3702 0.364 0.324 4.8 0.46
## y10 1710 0.159 0.1827 0.169 0.142 4.9 0.41
## y11 1710 0.331 0.3231 0.317 0.297 4.2 1.18
## y12- 1710 0.224 0.2207 0.209 0.198 3.9 1.23
## y13 1674 0.078 0.0761 0.064 0.035 3.3 1.39
## y14 1674 0.396 0.3842 0.381 0.364 3.9 1.23
## y15 1674 0.423 0.4269 0.425 0.397 4.2 1.04
## y16 1674 0.309 0.3258 0.317 0.286 4.4 0.80
## y17 1674 0.522 0.5182 0.517 0.498 4.2 1.06
## y18 1674 0.436 0.4158 0.409 0.402 3.6 1.38
## y19 1674 0.267 0.3074 0.300 0.246 4.5 0.73
## y20 1674 0.331 0.3423 0.333 0.303 4.1 1.07
## y21 1674 0.450 0.4237 0.420 0.417 3.6 1.32
## y22 1674 0.487 0.5155 0.514 0.473 4.7 0.67
## y23 1674 0.331 0.3540 0.351 0.307 4.5 0.87
## y24 1674 0.265 0.2612 0.248 0.230 3.8 1.26
## y25 1669 0.441 0.4657 0.463 0.420 4.5 0.90
## y26- 1669 0.177 0.1489 0.133 0.136 2.7 1.42
## y27 1669 0.464 0.4805 0.478 0.438 4.1 1.17
## y28 1669 0.397 0.4142 0.409 0.369 4.2 1.12
## y29 1669 0.354 0.3617 0.353 0.329 4.4 0.97
## y30- 1669 0.279 0.2722 0.264 0.248 3.8 1.23
## y31 1669 0.321 0.3535 0.346 0.296 4.5 0.96
## y32 1669 0.453 0.4807 0.480 0.434 4.5 0.80
## y33 1669 0.507 0.5247 0.526 0.491 4.7 0.72
## y34 1669 0.428 0.4417 0.437 0.405 4.4 0.99
## y35 1669 0.377 0.4029 0.396 0.358 4.6 0.74
## y36 1669 0.368 0.3982 0.393 0.353 4.6 0.62
## y37 1670 0.294 0.3186 0.311 0.273 4.4 0.86
## y38- 1670 0.492 0.5151 0.517 0.479 4.8 0.56
## y39- 1670 0.500 0.4943 0.492 0.476 4.2 1.16
## y40 1670 0.435 0.4459 0.441 0.415 4.5 0.83
## y41- 1670 0.502 0.4754 0.474 0.474 3.9 1.38
## y42- 1670 0.127 0.1516 0.143 0.091 3.8 1.25
## y43- 1670 0.167 0.1654 0.151 0.132 3.5 1.23
## y44- 1670 0.430 0.3966 0.392 0.396 3.9 1.31
## y45- 1670 0.290 0.2901 0.280 0.259 4.2 1.10
## y46- 1670 0.105 0.0987 0.082 0.066 3.8 1.33
## y47- 1670 0.371 0.3837 0.379 0.345 4.2 1.12
## y48- 1670 0.414 0.3901 0.382 0.383 3.6 1.25
## y49 1672 0.437 0.4140 0.409 0.403 3.7 1.43
## y50- 1672 0.340 0.3031 0.298 0.302 3.4 1.44
## y51- 1672 0.482 0.4379 0.436 0.448 3.5 1.43
## y52 1672 0.391 0.3811 0.377 0.359 3.9 1.26
## y53 1672 0.454 0.4528 0.451 0.426 4.4 1.18
## y54- 1672 0.451 0.4487 0.446 0.430 4.6 0.95
## y55- 1672 0.370 0.3511 0.346 0.338 3.8 1.21
## y56 1672 0.353 0.3775 0.370 0.334 4.5 0.82
## y57 1672 0.418 0.4154 0.409 0.394 4.3 0.95
## y58 1672 0.351 0.3541 0.347 0.318 4.0 1.22
## y59 1672 0.333 0.3304 0.325 0.303 3.8 1.19
## y60 1672 0.451 0.4442 0.440 0.422 3.7 1.25
## y61 1667 0.367 0.3984 0.396 0.358 4.9 0.38
## y62 1667 0.287 0.3028 0.293 0.267 4.4 0.73
## y63 1667 0.319 0.3445 0.336 0.310 4.9 0.37
## y64- 1667 0.139 0.1383 0.123 0.101 3.4 1.31
## y65- 1667 0.129 0.0938 0.082 0.091 2.6 1.29
## y66- 1667 0.307 0.2937 0.282 0.275 4.0 1.19
## y67 1667 0.211 0.1798 0.166 0.170 2.9 1.48
## y68- 1667 0.342 0.3295 0.321 0.308 3.8 1.28
## y69- 1667 0.135 0.1415 0.129 0.091 3.2 1.52
## y70- 1667 0.458 0.4771 0.475 0.437 4.6 0.88
## y71- 1667 0.498 0.5049 0.506 0.475 4.5 0.96
## y72 1667 0.247 0.2597 0.247 0.220 4.5 0.98
## y73 1673 0.289 0.2894 0.278 0.258 4.2 1.19
## y74- 1673 0.312 0.2907 0.279 0.277 3.6 1.35
## y75 1673 0.425 0.4367 0.430 0.403 4.4 0.91
## y76 1673 0.169 0.1781 0.167 0.137 3.9 1.10
## y77- 1673 0.213 0.2198 0.209 0.179 3.8 1.25
## y78 1673 0.274 0.2773 0.270 0.244 3.9 1.14
## y79- 1673 0.026 -0.0028 -0.019 -0.012 2.8 1.33
## y80 1673 0.306 0.3189 0.310 0.278 4.4 1.03
## y81- 1673 0.561 0.5340 0.536 0.535 3.8 1.29
## y82 1673 0.412 0.3887 0.383 0.381 3.6 1.29
## y83 1673 0.365 0.3735 0.366 0.343 4.5 0.82
## y84- 1673 0.477 0.4547 0.453 0.448 4.0 1.29
## y85 1663 0.401 0.4289 0.426 0.384 4.6 0.70
## y86 1663 0.360 0.3990 0.396 0.346 4.7 0.61
## y87 1663 0.283 0.2964 0.289 0.254 4.3 1.04
## y88- 1663 0.329 0.3241 0.315 0.295 4.0 1.30
## y89- 1663 0.183 0.1734 0.160 0.149 3.3 1.20
## y90 1663 0.329 0.3267 0.318 0.295 3.7 1.28
## y91- 1663 0.510 0.4908 0.492 0.477 4.0 1.46
## y92 1663 0.333 0.3286 0.323 0.306 3.9 1.07
## y93 1663 0.239 0.2374 0.228 0.205 3.9 1.26
## y94 1663 0.288 0.2852 0.279 0.258 4.0 1.16
## y95 1663 0.216 0.2019 0.191 0.178 3.6 1.34
## y96 1663 0.371 0.3763 0.371 0.342 4.0 1.15
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y1 0.08 0.13 0.23 0.27 0.29 0.00
## y2 0.59 0.24 0.08 0.07 0.03 0.00
## y3 0.01 0.01 0.03 0.19 0.75 0.00
## y4 0.01 0.03 0.03 0.20 0.74 0.00
## y5 0.01 0.00 0.03 0.06 0.91 0.00
## y6 0.02 0.02 0.04 0.16 0.76 0.00
## y7 0.03 0.04 0.04 0.20 0.70 0.00
## y8 0.01 0.04 0.05 0.24 0.65 0.00
## y9 0.00 0.00 0.02 0.12 0.86 0.00
## y10 0.00 0.01 0.01 0.03 0.95 0.00
## y11 0.06 0.05 0.09 0.19 0.61 0.00
## y12 0.42 0.25 0.15 0.14 0.04 0.00
## y13 0.15 0.19 0.14 0.29 0.24 0.02
## y14 0.07 0.08 0.10 0.33 0.41 0.02
## y15 0.04 0.04 0.10 0.34 0.48 0.02
## y16 0.00 0.03 0.11 0.29 0.57 0.02
## y17 0.03 0.07 0.11 0.28 0.51 0.02
## y18 0.12 0.12 0.13 0.28 0.35 0.02
## y19 0.00 0.03 0.05 0.35 0.57 0.02
## y20 0.03 0.10 0.08 0.36 0.43 0.02
## y21 0.10 0.15 0.12 0.32 0.30 0.02
## y22 0.01 0.01 0.04 0.20 0.75 0.02
## y23 0.02 0.03 0.05 0.24 0.66 0.02
## y24 0.08 0.10 0.15 0.30 0.36 0.02
## y25 0.01 0.06 0.04 0.22 0.66 0.02
## y26 0.16 0.21 0.06 0.35 0.22 0.02
## y27 0.06 0.05 0.13 0.26 0.50 0.02
## y28 0.05 0.06 0.04 0.30 0.55 0.02
## y29 0.03 0.04 0.07 0.26 0.61 0.02
## y30 0.34 0.36 0.07 0.16 0.05 0.02
## y31 0.03 0.04 0.03 0.15 0.74 0.02
## y32 0.01 0.02 0.06 0.28 0.63 0.02
## y33 0.01 0.01 0.05 0.13 0.79 0.02
## y34 0.03 0.02 0.11 0.19 0.64 0.02
## y35 0.01 0.02 0.06 0.16 0.75 0.02
## y36 0.00 0.01 0.04 0.26 0.69 0.02
## y37 0.01 0.03 0.11 0.29 0.57 0.02
## y38 0.89 0.07 0.03 0.01 0.00 0.02
## y39 0.56 0.23 0.07 0.09 0.04 0.02
## y40 0.01 0.05 0.05 0.21 0.69 0.02
## y41 0.50 0.20 0.08 0.13 0.09 0.02
## y42 0.39 0.33 0.08 0.14 0.06 0.02
## y43 0.21 0.41 0.14 0.15 0.09 0.02
## y44 0.45 0.26 0.07 0.15 0.07 0.02
## y45 0.55 0.28 0.07 0.05 0.05 0.02
## y46 0.44 0.18 0.17 0.15 0.07 0.02
## y47 0.56 0.26 0.05 0.09 0.04 0.02
## y48 0.30 0.37 0.07 0.22 0.05 0.02
## y49 0.09 0.19 0.11 0.17 0.45 0.02
## y50 0.34 0.21 0.11 0.22 0.12 0.02
## y51 0.34 0.25 0.09 0.20 0.12 0.02
## y52 0.09 0.05 0.11 0.32 0.43 0.02
## y53 0.06 0.05 0.06 0.11 0.72 0.02
## y54 0.77 0.13 0.03 0.04 0.03 0.02
## y55 0.36 0.34 0.09 0.16 0.04 0.02
## y56 0.01 0.05 0.02 0.28 0.64 0.02
## y57 0.02 0.05 0.09 0.30 0.54 0.02
## y58 0.08 0.03 0.15 0.28 0.46 0.02
## y59 0.06 0.09 0.22 0.29 0.34 0.02
## y60 0.09 0.10 0.13 0.38 0.31 0.02
## y61 0.00 0.00 0.01 0.09 0.90 0.03
## y62 0.00 0.03 0.06 0.40 0.51 0.03
## y63 0.00 0.00 0.01 0.13 0.87 0.03
## y64 0.26 0.25 0.19 0.21 0.09 0.03
## y65 0.11 0.18 0.13 0.37 0.22 0.03
## y66 0.48 0.17 0.22 0.10 0.04 0.03
## y67 0.23 0.24 0.09 0.25 0.19 0.03
## y68 0.38 0.32 0.09 0.14 0.07 0.03
## y69 0.29 0.18 0.12 0.21 0.20 0.03
## y70 0.79 0.11 0.04 0.04 0.02 0.03
## y71 0.72 0.16 0.05 0.04 0.03 0.03
## y72 0.04 0.01 0.07 0.19 0.69 0.03
## y73 0.06 0.05 0.12 0.17 0.59 0.02
## y74 0.37 0.22 0.16 0.17 0.09 0.02
## y75 0.01 0.03 0.14 0.17 0.65 0.02
## y76 0.04 0.10 0.16 0.36 0.34 0.02
## y77 0.37 0.28 0.14 0.16 0.05 0.02
## y78 0.05 0.07 0.17 0.30 0.40 0.02
## y79 0.12 0.26 0.11 0.33 0.18 0.02
## y80 0.03 0.05 0.06 0.17 0.68 0.02
## y81 0.39 0.30 0.12 0.10 0.09 0.02
## y82 0.06 0.18 0.15 0.26 0.34 0.02
## y83 0.01 0.02 0.10 0.17 0.70 0.02
## y84 0.53 0.19 0.12 0.09 0.07 0.02
## y85 0.01 0.02 0.02 0.23 0.72 0.03
## y86 0.00 0.01 0.06 0.22 0.72 0.03
## y87 0.05 0.04 0.05 0.29 0.57 0.03
## y88 0.55 0.19 0.08 0.12 0.07 0.03
## y89 0.19 0.31 0.19 0.25 0.05 0.03
## y90 0.08 0.13 0.10 0.35 0.34 0.03
## y91 0.62 0.09 0.08 0.10 0.12 0.03
## y92 0.03 0.11 0.14 0.41 0.31 0.03
## y93 0.07 0.10 0.15 0.23 0.44 0.03
## y94 0.04 0.09 0.13 0.29 0.45 0.03
## y95 0.10 0.15 0.13 0.28 0.34 0.03
## y96 0.06 0.08 0.10 0.37 0.39 0.037 Bartlett and KMO
#psych::cortest.bartlett(items_original %>% select(y1:y96))
EFAtools::BARTLETT(items_complete %>% select(y1:y96)) #Imputed data!## i 'x' was not a correlation matrix. Correlations are found from entered raw data.##
## v The Bartlett's test of sphericity was significant at an alpha level of .05.
## These data are probably suitable for factor analysis.
##
## <U+0001D712>²(4560) = 76380.49, p < .001#original data
KMO(items_original %>% select(y1:y96))## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = items_original %>% select(y1:y96))
## Overall MSA = 0.71
## MSA for each item =
## y1 y2 y3 y4 y5 y6 y7 y8 y9 y10 y11 y12 y13 y14 y15 y16
## 0.61 0.71 0.81 0.80 0.77 0.76 0.77 0.78 0.69 0.55 0.69 0.62 0.68 0.76 0.75 0.67
## y17 y18 y19 y20 y21 y22 y23 y24 y25 y26 y27 y28 y29 y30 y31 y32
## 0.80 0.80 0.66 0.73 0.73 0.85 0.75 0.60 0.70 0.65 0.75 0.60 0.73 0.69 0.62 0.71
## y33 y34 y35 y36 y37 y38 y39 y40 y41 y42 y43 y44 y45 y46 y47 y48
## 0.68 0.65 0.67 0.60 0.50 0.73 0.80 0.75 0.77 0.65 0.67 0.70 0.70 0.54 0.51 0.73
## y49 y50 y51 y52 y53 y54 y55 y56 y57 y58 y59 y60 y61 y62 y63 y64
## 0.78 0.85 0.81 0.74 0.73 0.74 0.77 0.68 0.68 0.66 0.71 0.80 0.63 0.53 0.69 0.56
## y65 y66 y67 y68 y69 y70 y71 y72 y73 y74 y75 y76 y77 y78 y79 y80
## 0.68 0.73 0.69 0.51 0.61 0.79 0.66 0.52 0.39 0.71 0.77 0.62 0.60 0.65 0.67 0.60
## y81 y82 y83 y84 y85 y86 y87 y88 y89 y90 y91 y92 y93 y94 y95 y96
## 0.79 0.75 0.69 0.82 0.67 0.52 0.70 0.63 0.48 0.75 0.82 0.66 0.61 0.70 0.42 0.61#imputed data (use!)
KMO(items_complete %>% select(y1:y96))## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = items_complete %>% select(y1:y96))
## Overall MSA = 0.76
## MSA for each item =
## y1 y2 y3 y4 y5 y6 y7 y8 y9 y10 y11 y12 y13 y14 y15 y16
## 0.67 0.73 0.81 0.79 0.75 0.78 0.79 0.78 0.73 0.56 0.66 0.68 0.69 0.77 0.77 0.70
## y17 y18 y19 y20 y21 y22 y23 y24 y25 y26 y27 y28 y29 y30 y31 y32
## 0.84 0.83 0.74 0.76 0.78 0.87 0.71 0.67 0.83 0.63 0.82 0.78 0.79 0.72 0.78 0.78
## y33 y34 y35 y36 y37 y38 y39 y40 y41 y42 y43 y44 y45 y46 y47 y48
## 0.78 0.81 0.80 0.73 0.66 0.76 0.87 0.77 0.77 0.68 0.71 0.75 0.76 0.49 0.72 0.81
## y49 y50 y51 y52 y53 y54 y55 y56 y57 y58 y59 y60 y61 y62 y63 y64
## 0.81 0.80 0.84 0.76 0.80 0.80 0.79 0.79 0.74 0.73 0.74 0.83 0.74 0.64 0.79 0.62
## y65 y66 y67 y68 y69 y70 y71 y72 y73 y74 y75 y76 y77 y78 y79 y80
## 0.69 0.73 0.69 0.69 0.66 0.83 0.80 0.72 0.67 0.78 0.83 0.66 0.66 0.68 0.69 0.71
## y81 y82 y83 y84 y85 y86 y87 y88 y89 y90 y91 y92 y93 y94 y95 y96
## 0.84 0.73 0.74 0.84 0.75 0.72 0.77 0.72 0.56 0.76 0.86 0.69 0.63 0.71 0.54 0.768 How many factors
Compute correlation matrix for original dataset (this was not used in the manuscript)
poly_cor_original <- items_original %>%
select(y1:y96) %>%
polychoric(.)Compute correlation matrix for complete dataset
poly_cor <- items_complete %>%
select(y1:y96) %>%
polychoric(.)Get rho
rho_original <- poly_cor_original$rho
rho <- poly_cor$rhoHow many factors with the original dataset via parallel analysis
fit_parallel_original <- fa.parallel(rho_original)plot(fit_parallel_original)How many factors with complete dataset via parallel analysis
fit_parallel <- with(items_complete, fa.parallel(rho))plot(fit_parallel)8.1 Check solutions
9 3D
fit_fa_propensity_3d <- with(items_complete, fa(items_complete %>% select(y1:y96), nfactors = 3, cor = "poly", fm="wls", rotate = "geominQ"))report_fa(vector = fit_fa_propensity_3d)## item
## 1 y15
## 2 y5
## 3 y17
## 4 y14
## 5 y8
## 6 y22
## 7 y9
## 8 y6
## 9 y23
## 10 y11
## 11 y78
## 12 y60
## 13 y16
## 14 y57
## 15 y18
## 16 y21
## 17 y27
## 18 y20
## 19 y31
## 20 y35
## 21 y3
## 22 y40
## 23 y33
## 24 y75
## 25 y1
## 26 y7
## 27 y29
## 28 y4
## 29 y13
## 30 y85
## 31 y52
## 32 y82
## 33 y25
## 34 y59
## 35 y94
## 36 y76
## 37 y28
## 38 y96
## 39 y95
## 40 y92
## 41 y24
## 42 y67
## 43 y93
## 44 y49
## 45 y10
## 46 y62
## 47 y90
## 48 y64
## 49 y83
## 50 y80
## 51 y34
## 52 y72
## 53 y58
## 54 y19
## 55 y56
## 56 y32
## 57 y37
## 58 y53
## 59 y86
## 60 y45
## 61 y66
## 62 y71
## 63 y88
## 64 y77
## 65 y30
## 66 y39
## 67 y79
## 68 y36
## 69 y55
## 70 y69
## 71 y42
## 72 y89
## 73 y63
## 74 y47
## 75 y46
## 76 y84
## 77 y65
## 78 y73
## 79 y68
## 80 y87
## 81 y54
## 82 y61
## 83 y51
## 84 y74
## 85 y41
## 86 y43
## 87 y48
## 88 y91
## 89 y81
## 90 y38
## 91 y50
## 92 y12
## 93 y70
## 94 y2
## 95 y44
## 96 y26
## conteudo
## 1 para mim participar de protestos pacificos contra leis consideradas injustas e muito importante para ser um bom cidadao
## 2 e importante para a democracia que a midia forneca aos cidadaos informacoes confiaveis para julgar o governo
## 3 para mim participar de atividades de promocao dos direitos humanos e muito importante para ser um bom cidadao
## 4 para mim engajar em discussoes politicas e muito importante para ser um bom cidadao
## 5 e importante para a democracia que o governo proteja todos os cidadaos contra a pobreza
## 6 a participacao politica dos cidadaos e importante para a mudanca da sociedade
## 7 e importante para a democracia que o governo explique suas decisoes aos eleitores
## 8 e importante para a democracia que os direitos dos grupos minoritarios sejam protegidos
## 9 o voto e importante para mudar a realidade do pais cidade e estado
## 10 para mim votar em todas as eleicoes nacionais e muito importante para ser um bom cidadao
## 11 o respeito a dignidade humana se reflete claramente na missao ou visao da empresa organizacao em que trabalho
## 12 para mim seguir questoes politicas no jornal no radio na tv ou na internet e muito importante para ser um bom cidadao
## 13 para mim participar de atividades para beneficiar as pessoas da comunidade local e muito importante para ser um bom cidadao
## 14 gosto de falar da minha cultura para pessoas que nao a conhecem como estrangeiros por exemplo
## 15 sao necessarios partidos politicos diversos para garantir que os cidadaos tenham escolhas reais sobre quem os governa
## 16 os partidos politicos sao importantes para a sociedade
## 17 quanto maior o numero de pessoas preparadas para protestar contra o governo quando necessario melhor para a sociedade
## 18 somos responsaveis pelos resultados das politicas no dia a dia
## 19 penso que e importante que todas as pessoas no mundo sejam tratadas igualmente acredito que todos deveriam ter oportunidades iguais na vida
## 20 gosto de ter contato com pessoas de outras culturas para aprender o maximo possivel sobre elas e seu modo de vida
## 21 e importante para a democracia que os partidos da oposicao sejam livres para criticar o governo
## 22 para mim aprender sobre a historia do pais e muito importante para ser um bom cidadao
## 23 quero que todos sejam tratados com justica mesmo as pessoas que eu nao conheco e importante para mim proteger os mais vulneraveis na sociedade
## 24 eu acho importante que meus filhos passem tempo depois da escola com amigos de outros paises racas e etnias
## 25 participo frequentemente de eventos que nao sao obrigatorios mas que ajudam a comunidade da empresa organizacao em que trabalho
## 26 e importante para a democracia que os tribunais sejam capazes de impedir o governo de agir alem de sua autoridade
## 27 as pessoas devem estar prontas para criticar e protestar contra leis com as quais elas nao concordam
## 28 e importante para a democracia que a midia seja livre para criticar o governo
## 29 para mim mostrar respeito pelos representantes do governo e muito importante para ser um bom cidadao
## 30 considero importante ouvir e compreender as pessoas que sao diferentes de mim
## 31 quanto maior o numero de pessoas preparadas para criticar as autoridades melhor para a sociedade
## 32 as pessoas que dizem que nossas leis deveriam ser aplicadas de maneira mais impiedosa e cruel estao erradas
## 33 a maneira como as pessoas votam influencia muito o que acontece no brasil
## 34 na minha equipe de trabalho as disputas ou conflitos sao resolvidos de maneira justa
## 35 as diferencas entre os individuos sao respeitadas e valorizadas na minha equipe de trabalho
## 36 sinto que tenho voz sobre o que acontece comigo no meu trabalho
## 37 a corrupcao e um grande problema do nosso pais e nos somos tambem culpados por isso
## 38 expresso minhas opinioes sobre assuntos relacionados ao trabalho mesmo quando outros discordam
## 39 frequentemente participo de maneira voluntaria de projetos que nao fazem parte das minhas tarefas de trabalho
## 40 posso confiar nas pessoas com quem trabalho quando preciso de algo
## 41 acredito que eu poderia fazer um trabalho num cargo publico tao bom quanto a maioria das pessoas
## 42 crimes sexuais como estupro e abuso sexual de criancas refletem uma sociedade doente e devemos mudar a sociedade em vez de punir os agressores individualmente
## 43 a empresa organizacao em que trabalho nao tolera a discriminacao
## 44 a pena de morte e barbara e injustificavel
## 45 as mulheres devem ter a mesma chance de serem eleitas para cargos politicos que os homens
## 46 e importante defender sua propria opiniao
## 47 as pessoas deveriam se restringir menos a costumes e tradicoes antiquados e serem mais livres para seguir suas consciencias individuais
## 48 costumo reclamar sobre os diferentes pontos de vista
## 49 as pessoas deveriam ter as suas proprias crencas religiosas mesmo se isso torna las diferentes do resto da sociedade
## 50 sempre cedo o assento mesmo que nao seja prioritario para idosos e gestantes
## 51 gosto das diferencas que existem entre mim e pessoas de outros paises racas e etnias
## 52 e importante explorar diferentes culturas
## 53 incentivo outros da minha equipe de trabalho a emitirem opinioes relacionadas a assuntos que afetam o grupo
## 54 respeito pessoas que tem opinioes contrarias as minhas
## 55 e importante para mim ser livre para escolher por mim mesmo o que fazer
## 56 e importante escutar pessoas que sao diferentes de mim mesmo quando discordo delas ainda quero entende las
## 57 e importante preservar nossa cultura local
## 58 as pessoas deveriam ter as suas proprias preferencias sexuais mesmo se isso torna las diferentes do resto da sociedade
## 59 considero importante que as pessoas que conheco tenham confianca em mim
## 60 para ser uma pessoa decente siga seus desejos independentemente da lei
## 61 nosso principal desejo na vida e alguem que nos leve a fazer o que devemos
## 62 a ciencia nao tem lugar na tomada de decisoes pois todas as coisas importantes nunca podem ser entendidas pela mente humana
## 63 sinto vontade de me rebelar contra as autoridades mesmo quando sei que estao certas
## 64 nao ha nada de errado em comprar um produto pirata
## 65 as autoridades devem sempre ser obedecidas porque elas estao na melhor posicao para saber o que e bom para o pais
## 66 o governo e como um pai e ele deve decidir o que e bom para nos
## 67 dificilmente me aborreco com pessoas que tem ideias muito diferentes das minhas
## 68 eu tento ver o ponto de vista da outra pessoa
## 69 as virtudes mais importantes que as criancas devem aprender sao obediencia e respeito a autoridade
## 70 este pais funcionaria muito melhor se certos grupos religiosos apenas ficassem quietos e aceitassem o lugar apropriado de seu grupo na sociedade
## 71 obediencia e respeito a autoridade nao sao virtudes e nao devem ser ensinados as criancas
## 72 sempre insisto em ter as coisas feitas do meu modo
## 73 e importante agir com respeito durante uma reuniao
## 74 frequentemente ignoro ou desrespeito as regras de transito para avancar e chegar mais rapido no meu destino
## 75 as pessoas religiosas deveriam ter voz para desafiar as normas sociais e legais atuais
## 76 nenhum principio e mais nobre ou sagrado do que o da verdadeira obediencia
## 77 para ser uma pessoa decente sempre fique dentro da lei
## 78 as pessoas religiosas podem ser tao morais quanto qualquer outra pessoa
## 79 no que diz respeito as questoes ambientais nao existe um caminho certo para viver a vida todo mundo tem que criar seu proprio caminho
## 80 e importante para mim seguir as regras mesmo se ninguem estiver vigiando
## 81 nossos lideres deveriam ser obedecidos sem questionamento
## 82 e importante tratar os colegas de trabalho de maneira justa
## 83 o que o nosso pais realmente precisa e uma dose forte e dura de lei e ordem
## 84 nosso pais precisa de pensadores tradicionais que desafiarao os movimentos progressistas modernos mesmo que isso perturbe muitas pessoas
## 85 os crimes sexuais como estupro e ataques a criancas merecem mais do que mera prisao esses criminosos devem ser acoitados publicamente ou pior
## 86 o que menos precisamos e de qualquer autoridade para nos dizer o que fazer ou como faze lo
## 87 os politicos sao todos corruptos e a sociedade e vitima deles
## 88 as leis de deus sobre aborto pornografia e casamento devem ser seguidas a risca sem questionamento ou debate antes que seja tarde demais
## 89 ser humanitario com criminosos so os encoraja a tirar proveito de sua fraqueza sendo melhor agir de maneira impiedosa com eles
## 90 os homens sao melhores lideres politicos do que as mulheres e devem ser eleitos em vez delas
## 91 os crimes e as desordens publicas recentes mostram que se quisermos preservar a lei e a ordem devemos reprimir com mais dureza os desordeiros
## 92 as pessoas nao se tratam com respeito em meu local de trabalho
## 93 o homem de negocios e o industrial sao muito mais importantes para a sociedade do que o artista e o professor
## 94 nao me importo em desrespeitar a opiniao dos outros
## 95 os partidos politicos criam divisao e confusao portanto e desnecessario ter partidos politicos neste pais
## 96 frequentemente nao me sinto a vontade para falar de politica com outras pessoas
## X0 X1 X2
## 1 0.692 0.055 -0.130
## 2 0.672 -0.044 -0.015
## 3 0.670 -0.071 -0.074
## 4 0.657 -0.055 -0.238
## 5 0.640 -0.027 -0.169
## 6 0.612 -0.006 0.186
## 7 0.556 -0.162 0.102
## 8 0.535 -0.337 -0.164
## 9 0.518 0.252 0.208
## 10 0.488 0.153 0.041
## 11 0.466 0.348 0.119
## 12 0.464 -0.215 -0.062
## 13 0.451 0.089 0.105
## 14 0.446 -0.105 0.037
## 15 0.428 -0.197 -0.052
## 16 0.405 -0.148 0.003
## 17 0.399 -0.220 0.148
## 18 0.396 0.076 0.166
## 19 0.392 -0.074 0.133
## 20 0.383 -0.097 0.254
## 21 0.380 -0.502 -0.072
## 22 0.379 -0.234 0.141
## 23 0.372 -0.198 0.356
## 24 0.368 -0.191 0.170
## 25 0.364 0.148 0.061
## 26 0.351 -0.284 -0.002
## 27 0.350 -0.321 -0.025
## 28 0.347 -0.463 -0.061
## 29 0.323 0.527 0.121
## 30 0.318 -0.024 0.409
## 31 0.311 -0.386 -0.040
## 32 0.311 -0.240 0.001
## 33 0.309 0.002 0.437
## 34 0.307 0.214 0.250
## 35 0.305 0.281 0.262
## 36 0.289 0.270 0.128
## 37 0.288 0.029 0.349
## 38 0.277 0.073 0.269
## 39 0.263 0.089 0.053
## 40 0.262 0.136 0.246
## 41 0.256 -0.088 0.035
## 42 0.255 -0.270 -0.253
## 43 0.252 0.253 0.203
## 44 0.245 -0.298 0.064
## 45 0.240 -0.251 0.138
## 46 0.238 -0.023 0.180
## 47 0.234 -0.274 0.021
## 48 0.199 0.001 -0.407
## 49 0.198 -0.239 0.264
## 50 0.161 0.134 0.431
## 51 0.160 -0.159 0.413
## 52 0.149 -0.145 0.243
## 53 0.145 -0.240 0.227
## 54 0.145 0.196 0.513
## 55 0.140 -0.232 0.324
## 56 0.138 -0.135 0.504
## 57 0.137 0.084 0.421
## 58 0.137 -0.520 0.182
## 59 0.113 -0.057 0.544
## 60 0.107 -0.005 -0.490
## 61 0.106 0.392 -0.207
## 62 0.091 0.514 -0.532
## 63 0.088 0.029 -0.518
## 64 0.086 -0.125 -0.505
## 65 0.083 0.536 -0.052
## 66 0.077 0.475 -0.450
## 67 0.074 0.384 0.279
## 68 0.072 -0.139 0.496
## 69 0.070 0.669 -0.038
## 70 0.056 -0.193 -0.422
## 71 0.056 -0.360 -0.537
## 72 0.050 -0.036 -0.313
## 73 0.045 0.066 0.634
## 74 0.041 0.081 -0.564
## 75 0.029 0.232 0.032
## 76 0.026 0.639 -0.177
## 77 0.023 0.523 0.295
## 78 -0.011 -0.161 0.363
## 79 -0.012 0.267 -0.241
## 80 -0.034 0.184 0.614
## 81 -0.040 0.630 -0.254
## 82 -0.045 -0.168 0.761
## 83 -0.050 0.607 -0.050
## 84 -0.059 0.422 -0.011
## 85 -0.073 0.492 -0.212
## 86 -0.077 -0.135 -0.222
## 87 -0.085 0.275 -0.250
## 88 -0.101 0.716 -0.088
## 89 -0.115 0.564 -0.201
## 90 -0.120 0.462 -0.522
## 91 -0.126 0.552 0.170
## 92 -0.129 -0.129 -0.191
## 93 -0.151 0.372 -0.401
## 94 -0.182 -0.224 -0.307
## 95 -0.193 0.296 -0.052
## 96 -0.367 -0.015 0.23610 4D
fit_fa_propensity_4d <- with(items_complete, fa(items_complete %>% select(y1:y96), nfactors = 4, cor = "poly", fm="wls", rotate = "geominQ"))report_fa(vector = fit_fa_propensity_4d)## item
## 1 y32
## 2 y56
## 3 y85
## 4 y36
## 5 y61
## 6 y86
## 7 y34
## 8 y53
## 9 y35
## 10 y58
## 11 y27
## 12 y31
## 13 y72
## 14 y33
## 15 y10
## 16 y83
## 17 y90
## 18 y9
## 19 y19
## 20 y29
## 21 y75
## 22 y25
## 23 y96
## 24 y73
## 25 y3
## 26 y80
## 27 y62
## 28 y28
## 29 y40
## 30 y37
## 31 y87
## 32 y4
## 33 y52
## 34 y57
## 35 y63
## 36 y79
## 37 y5
## 38 y44
## 39 y26
## 40 y7
## 41 y20
## 42 y22
## 43 y16
## 44 y59
## 45 y24
## 46 y76
## 47 y17
## 48 y95
## 49 y6
## 50 y43
## 51 y2
## 52 y93
## 53 y1
## 54 y60
## 55 y15
## 56 y94
## 57 y48
## 58 y12
## 59 y8
## 60 y92
## 61 y23
## 62 y78
## 63 y50
## 64 y46
## 65 y18
## 66 y14
## 67 y65
## 68 y42
## 69 y41
## 70 y45
## 71 y49
## 72 y89
## 73 y82
## 74 y51
## 75 y67
## 76 y77
## 77 y69
## 78 y88
## 79 y66
## 80 y68
## 81 y81
## 82 y21
## 83 y64
## 84 y74
## 85 y13
## 86 y11
## 87 y55
## 88 y84
## 89 y30
## 90 y47
## 91 y91
## 92 y54
## 93 y39
## 94 y70
## 95 y38
## 96 y71
## conteudo
## 1 e importante escutar pessoas que sao diferentes de mim mesmo quando discordo delas ainda quero entende las
## 2 e importante para mim ser livre para escolher por mim mesmo o que fazer
## 3 considero importante ouvir e compreender as pessoas que sao diferentes de mim
## 4 eu tento ver o ponto de vista da outra pessoa
## 5 e importante tratar os colegas de trabalho de maneira justa
## 6 considero importante que as pessoas que conheco tenham confianca em mim
## 7 gosto das diferencas que existem entre mim e pessoas de outros paises racas e etnias
## 8 as pessoas deveriam ter as suas proprias preferencias sexuais mesmo se isso torna las diferentes do resto da sociedade
## 9 gosto de ter contato com pessoas de outras culturas para aprender o maximo possivel sobre elas e seu modo de vida
## 10 incentivo outros da minha equipe de trabalho a emitirem opinioes relacionadas a assuntos que afetam o grupo
## 11 quanto maior o numero de pessoas preparadas para protestar contra o governo quando necessario melhor para a sociedade
## 12 penso que e importante que todas as pessoas no mundo sejam tratadas igualmente acredito que todos deveriam ter oportunidades iguais na vida
## 13 e importante explorar diferentes culturas
## 14 quero que todos sejam tratados com justica mesmo as pessoas que eu nao conheco e importante para mim proteger os mais vulneraveis na sociedade
## 15 as mulheres devem ter a mesma chance de serem eleitas para cargos politicos que os homens
## 16 as pessoas deveriam ter as suas proprias crencas religiosas mesmo se isso torna las diferentes do resto da sociedade
## 17 as pessoas deveriam se restringir menos a costumes e tradicoes antiquados e serem mais livres para seguir suas consciencias individuais
## 18 e importante para a democracia que o governo explique suas decisoes aos eleitores
## 19 respeito pessoas que tem opinioes contrarias as minhas
## 20 as pessoas devem estar prontas para criticar e protestar contra leis com as quais elas nao concordam
## 21 eu acho importante que meus filhos passem tempo depois da escola com amigos de outros paises racas e etnias
## 22 a maneira como as pessoas votam influencia muito o que acontece no brasil
## 23 expresso minhas opinioes sobre assuntos relacionados ao trabalho mesmo quando outros discordam
## 24 as pessoas religiosas podem ser tao morais quanto qualquer outra pessoa
## 25 e importante para a democracia que os partidos da oposicao sejam livres para criticar o governo
## 26 sempre cedo o assento mesmo que nao seja prioritario para idosos e gestantes
## 27 e importante defender sua propria opiniao
## 28 a corrupcao e um grande problema do nosso pais e nos somos tambem culpados por isso
## 29 para mim aprender sobre a historia do pais e muito importante para ser um bom cidadao
## 30 e importante preservar nossa cultura local
## 31 e importante para mim seguir as regras mesmo se ninguem estiver vigiando
## 32 e importante para a democracia que a midia seja livre para criticar o governo
## 33 quanto maior o numero de pessoas preparadas para criticar as autoridades melhor para a sociedade
## 34 gosto de falar da minha cultura para pessoas que nao a conhecem como estrangeiros por exemplo
## 35 e importante agir com respeito durante uma reuniao
## 36 dificilmente me aborreco com pessoas que tem ideias muito diferentes das minhas
## 37 e importante para a democracia que a midia forneca aos cidadaos informacoes confiaveis para julgar o governo
## 38 os partidos politicos criam divisao e confusao portanto e desnecessario ter partidos politicos neste pais
## 39 frequentemente nao me sinto a vontade para falar de politica com outras pessoas
## 40 e importante para a democracia que os tribunais sejam capazes de impedir o governo de agir alem de sua autoridade
## 41 somos responsaveis pelos resultados das politicas no dia a dia
## 42 a participacao politica dos cidadaos e importante para a mudanca da sociedade
## 43 para mim participar de atividades para beneficiar as pessoas da comunidade local e muito importante para ser um bom cidadao
## 44 na minha equipe de trabalho as disputas ou conflitos sao resolvidos de maneira justa
## 45 acredito que eu poderia fazer um trabalho num cargo publico tao bom quanto a maioria das pessoas
## 46 sinto que tenho voz sobre o que acontece comigo no meu trabalho
## 47 para mim participar de atividades de promocao dos direitos humanos e muito importante para ser um bom cidadao
## 48 frequentemente participo de maneira voluntaria de projetos que nao fazem parte das minhas tarefas de trabalho
## 49 e importante para a democracia que os direitos dos grupos minoritarios sejam protegidos
## 50 o que menos precisamos e de qualquer autoridade para nos dizer o que fazer ou como faze lo
## 51 nao me importo em desrespeitar a opiniao dos outros
## 52 a empresa organizacao em que trabalho nao tolera a discriminacao
## 53 participo frequentemente de eventos que nao sao obrigatorios mas que ajudam a comunidade da empresa organizacao em que trabalho
## 54 para mim seguir questoes politicas no jornal no radio na tv ou na internet e muito importante para ser um bom cidadao
## 55 para mim participar de protestos pacificos contra leis consideradas injustas e muito importante para ser um bom cidadao
## 56 as diferencas entre os individuos sao respeitadas e valorizadas na minha equipe de trabalho
## 57 os politicos sao todos corruptos e a sociedade e vitima deles
## 58 as pessoas nao se tratam com respeito em meu local de trabalho
## 59 e importante para a democracia que o governo proteja todos os cidadaos contra a pobreza
## 60 posso confiar nas pessoas com quem trabalho quando preciso de algo
## 61 o voto e importante para mudar a realidade do pais cidade e estado
## 62 o respeito a dignidade humana se reflete claramente na missao ou visao da empresa organizacao em que trabalho
## 63 os crimes e as desordens publicas recentes mostram que se quisermos preservar a lei e a ordem devemos reprimir com mais dureza os desordeiros
## 64 as pessoas religiosas deveriam ter voz para desafiar as normas sociais e legais atuais
## 65 sao necessarios partidos politicos diversos para garantir que os cidadaos tenham escolhas reais sobre quem os governa
## 66 para mim engajar em discussoes politicas e muito importante para ser um bom cidadao
## 67 para ser uma pessoa decente sempre fique dentro da lei
## 68 obediencia e respeito a autoridade nao sao virtudes e nao devem ser ensinados as criancas
## 69 os crimes sexuais como estupro e ataques a criancas merecem mais do que mera prisao esses criminosos devem ser acoitados publicamente ou pior
## 70 para ser uma pessoa decente siga seus desejos independentemente da lei
## 71 a pena de morte e barbara e injustificavel
## 72 sempre insisto em ter as coisas feitas do meu modo
## 73 as pessoas que dizem que nossas leis deveriam ser aplicadas de maneira mais impiedosa e cruel estao erradas
## 74 o que o nosso pais realmente precisa e uma dose forte e dura de lei e ordem
## 75 crimes sexuais como estupro e abuso sexual de criancas refletem uma sociedade doente e devemos mudar a sociedade em vez de punir os agressores individualmente
## 76 nao ha nada de errado em comprar um produto pirata
## 77 este pais funcionaria muito melhor se certos grupos religiosos apenas ficassem quietos e aceitassem o lugar apropriado de seu grupo na sociedade
## 78 sinto vontade de me rebelar contra as autoridades mesmo quando sei que estao certas
## 79 nosso principal desejo na vida e alguem que nos leve a fazer o que devemos
## 80 no que diz respeito as questoes ambientais nao existe um caminho certo para viver a vida todo mundo tem que criar seu proprio caminho
## 81 ser humanitario com criminosos so os encoraja a tirar proveito de sua fraqueza sendo melhor agir de maneira impiedosa com eles
## 82 os partidos politicos sao importantes para a sociedade
## 83 costumo reclamar sobre os diferentes pontos de vista
## 84 nosso pais precisa de pensadores tradicionais que desafiarao os movimentos progressistas modernos mesmo que isso perturbe muitas pessoas
## 85 para mim mostrar respeito pelos representantes do governo e muito importante para ser um bom cidadao
## 86 para mim votar em todas as eleicoes nacionais e muito importante para ser um bom cidadao
## 87 as virtudes mais importantes que as criancas devem aprender sao obediencia e respeito a autoridade
## 88 nenhum principio e mais nobre ou sagrado do que o da verdadeira obediencia
## 89 as autoridades devem sempre ser obedecidas porque elas estao na melhor posicao para saber o que e bom para o pais
## 90 frequentemente ignoro ou desrespeito as regras de transito para avancar e chegar mais rapido no meu destino
## 91 as leis de deus sobre aborto pornografia e casamento devem ser seguidas a risca sem questionamento ou debate antes que seja tarde demais
## 92 nossos lideres deveriam ser obedecidos sem questionamento
## 93 o governo e como um pai e ele deve decidir o que e bom para nos
## 94 o homem de negocios e o industrial sao muito mais importantes para a sociedade do que o artista e o professor
## 95 os homens sao melhores lideres politicos do que as mulheres e devem ser eleitos em vez delas
## 96 a ciencia nao tem lugar na tomada de decisoes pois todas as coisas importantes nunca podem ser entendidas pela mente humana
## X0 X1 X2 X3
## 1 0.654 0.001 0.151 0.060
## 2 0.590 0.011 -0.034 0.051
## 3 0.579 0.175 0.164 0.140
## 4 0.571 -0.036 0.173 -0.007
## 5 0.549 -0.102 0.419 -0.256
## 6 0.538 0.011 0.274 -0.006
## 7 0.534 0.053 0.113 -0.010
## 8 0.523 0.046 -0.253 -0.183
## 9 0.514 0.247 0.023 0.121
## 10 0.482 0.040 -0.079 0.017
## 11 0.459 0.282 -0.100 0.029
## 12 0.453 0.257 -0.057 0.182
## 13 0.451 0.045 -0.011 0.067
## 14 0.426 0.294 0.128 -0.152
## 15 0.414 0.144 -0.124 -0.005
## 16 0.404 0.123 0.004 -0.101
## 17 0.397 0.131 -0.242 0.053
## 18 0.396 0.443 -0.069 0.031
## 19 0.395 0.056 0.416 0.125
## 20 0.380 0.249 -0.281 0.005
## 21 0.360 0.285 -0.023 -0.052
## 22 0.355 0.243 0.310 -0.077
## 23 0.354 0.179 0.165 0.141
## 24 0.333 -0.052 0.136 -0.134
## 25 0.317 0.317 -0.361 -0.205
## 26 0.309 0.096 0.355 0.044
## 27 0.308 0.157 0.057 0.081
## 28 0.293 0.228 0.260 -0.033
## 29 0.270 0.328 -0.022 -0.163
## 30 0.266 0.092 0.343 -0.034
## 31 0.266 -0.060 0.547 -0.063
## 32 0.263 0.299 -0.314 -0.221
## 33 0.256 0.260 -0.265 -0.161
## 34 0.245 0.371 -0.055 0.016
## 35 0.240 0.044 0.547 -0.239
## 36 0.191 -0.001 0.344 0.322
## 37 0.177 0.600 -0.015 0.008
## 38 0.177 -0.293 -0.056 0.554
## 39 0.175 -0.384 0.087 0.034
## 40 0.167 0.321 -0.139 -0.188
## 41 0.162 0.346 0.177 0.016
## 42 0.162 0.571 0.198 -0.127
## 43 0.160 0.390 0.130 0.066
## 44 0.135 0.263 0.313 0.074
## 45 0.132 0.221 -0.024 -0.039
## 46 0.117 0.227 0.218 0.219
## 47 0.110 0.616 -0.052 -0.036
## 48 0.100 0.219 0.078 0.090
## 49 0.098 0.508 -0.258 -0.210
## 50 0.097 -0.123 -0.333 0.164
## 51 0.094 -0.225 -0.467 0.165
## 52 0.086 0.215 0.297 0.115
## 53 0.072 0.322 0.139 0.093
## 54 0.068 0.448 -0.106 -0.189
## 55 0.063 0.630 -0.032 0.085
## 56 0.060 0.280 0.387 0.057
## 57 0.055 -0.172 -0.185 0.557
## 58 0.049 -0.154 -0.284 0.106
## 59 0.048 0.589 -0.104 0.033
## 60 0.029 0.264 0.324 -0.096
## 61 0.024 0.496 0.373 -0.005
## 62 -0.003 0.430 0.326 0.150
## 63 -0.007 -0.166 0.365 0.427
## 64 -0.007 0.006 0.129 0.192
## 65 -0.010 0.439 -0.056 -0.250
## 66 -0.011 0.619 -0.151 0.001
## 67 -0.015 0.004 0.505 0.254
## 68 -0.027 0.033 -0.652 0.054
## 69 -0.030 -0.153 -0.019 0.655
## 70 -0.032 0.047 -0.459 0.354
## 71 -0.058 0.305 0.016 -0.459
## 72 -0.063 0.030 -0.287 0.154
## 73 -0.065 0.356 -0.011 -0.367
## 74 -0.096 -0.099 0.221 0.564
## 75 -0.107 0.283 -0.263 -0.215
## 76 -0.110 0.066 -0.484 0.173
## 77 -0.128 0.063 -0.423 0.024
## 78 -0.134 0.055 -0.426 0.314
## 79 -0.141 0.073 0.029 0.405
## 80 -0.155 -0.026 -0.064 0.319
## 81 -0.155 -0.159 0.073 0.603
## 82 -0.165 0.471 0.091 -0.397
## 83 -0.177 0.197 -0.288 0.128
## 84 -0.185 -0.049 0.232 0.260
## 85 -0.220 0.342 0.480 0.142
## 86 -0.227 0.541 0.286 -0.206
## 87 -0.297 0.081 0.375 0.392
## 88 -0.327 0.032 0.232 0.459
## 89 -0.359 0.129 0.343 0.207
## 90 -0.364 0.074 -0.347 0.187
## 91 -0.432 -0.054 0.382 0.383
## 92 -0.433 -0.007 0.194 0.423
## 93 -0.467 0.111 -0.026 0.375
## 94 -0.488 -0.085 -0.042 0.257
## 95 -0.534 -0.067 -0.101 0.397
## 96 -0.558 0.139 -0.046 0.39111 5D
fit_fa_propensity_5d <- with(items_complete, fa(items_complete %>% select(y1:y96), nfactors = 5, cor = "poly", fm="wls", rotate = "geominQ"))report_fa(vector = fit_fa_propensity_5d)## item
## 1 y61
## 2 y32
## 3 y63
## 4 y86
## 5 y19
## 6 y36
## 7 y87
## 8 y25
## 9 y34
## 10 y37
## 11 y85
## 12 y28
## 13 y33
## 14 y80
## 15 y56
## 16 y35
## 17 y72
## 18 y31
## 19 y65
## 20 y79
## 21 y23
## 22 y20
## 23 y26
## 24 y10
## 25 y62
## 26 y73
## 27 y83
## 28 y27
## 29 y22
## 30 y75
## 31 y9
## 32 y96
## 33 y58
## 34 y16
## 35 y53
## 36 y50
## 37 y13
## 38 y40
## 39 y90
## 40 y44
## 41 y29
## 42 y7
## 43 y5
## 44 y57
## 45 y46
## 46 y59
## 47 y24
## 48 y94
## 49 y12
## 50 y93
## 51 y92
## 52 y1
## 53 y51
## 54 y95
## 55 y78
## 56 y49
## 57 y11
## 58 y55
## 59 y60
## 60 y21
## 61 y17
## 62 y8
## 63 y52
## 64 y76
## 65 y18
## 66 y74
## 67 y30
## 68 y91
## 69 y84
## 70 y3
## 71 y6
## 72 y82
## 73 y66
## 74 y4
## 75 y15
## 76 y41
## 77 y48
## 78 y14
## 79 y81
## 80 y54
## 81 y67
## 82 y43
## 83 y2
## 84 y68
## 85 y89
## 86 y45
## 87 y64
## 88 y39
## 89 y69
## 90 y88
## 91 y38
## 92 y77
## 93 y70
## 94 y71
## 95 y42
## 96 y47
## conteudo
## 1 e importante tratar os colegas de trabalho de maneira justa
## 2 e importante escutar pessoas que sao diferentes de mim mesmo quando discordo delas ainda quero entende las
## 3 e importante agir com respeito durante uma reuniao
## 4 considero importante que as pessoas que conheco tenham confianca em mim
## 5 respeito pessoas que tem opinioes contrarias as minhas
## 6 eu tento ver o ponto de vista da outra pessoa
## 7 e importante para mim seguir as regras mesmo se ninguem estiver vigiando
## 8 a maneira como as pessoas votam influencia muito o que acontece no brasil
## 9 gosto das diferencas que existem entre mim e pessoas de outros paises racas e etnias
## 10 e importante preservar nossa cultura local
## 11 considero importante ouvir e compreender as pessoas que sao diferentes de mim
## 12 a corrupcao e um grande problema do nosso pais e nos somos tambem culpados por isso
## 13 quero que todos sejam tratados com justica mesmo as pessoas que eu nao conheco e importante para mim proteger os mais vulneraveis na sociedade
## 14 sempre cedo o assento mesmo que nao seja prioritario para idosos e gestantes
## 15 e importante para mim ser livre para escolher por mim mesmo o que fazer
## 16 gosto de ter contato com pessoas de outras culturas para aprender o maximo possivel sobre elas e seu modo de vida
## 17 e importante explorar diferentes culturas
## 18 penso que e importante que todas as pessoas no mundo sejam tratadas igualmente acredito que todos deveriam ter oportunidades iguais na vida
## 19 para ser uma pessoa decente sempre fique dentro da lei
## 20 dificilmente me aborreco com pessoas que tem ideias muito diferentes das minhas
## 21 o voto e importante para mudar a realidade do pais cidade e estado
## 22 somos responsaveis pelos resultados das politicas no dia a dia
## 23 frequentemente nao me sinto a vontade para falar de politica com outras pessoas
## 24 as mulheres devem ter a mesma chance de serem eleitas para cargos politicos que os homens
## 25 e importante defender sua propria opiniao
## 26 as pessoas religiosas podem ser tao morais quanto qualquer outra pessoa
## 27 as pessoas deveriam ter as suas proprias crencas religiosas mesmo se isso torna las diferentes do resto da sociedade
## 28 quanto maior o numero de pessoas preparadas para protestar contra o governo quando necessario melhor para a sociedade
## 29 a participacao politica dos cidadaos e importante para a mudanca da sociedade
## 30 eu acho importante que meus filhos passem tempo depois da escola com amigos de outros paises racas e etnias
## 31 e importante para a democracia que o governo explique suas decisoes aos eleitores
## 32 expresso minhas opinioes sobre assuntos relacionados ao trabalho mesmo quando outros discordam
## 33 incentivo outros da minha equipe de trabalho a emitirem opinioes relacionadas a assuntos que afetam o grupo
## 34 para mim participar de atividades para beneficiar as pessoas da comunidade local e muito importante para ser um bom cidadao
## 35 as pessoas deveriam ter as suas proprias preferencias sexuais mesmo se isso torna las diferentes do resto da sociedade
## 36 os crimes e as desordens publicas recentes mostram que se quisermos preservar a lei e a ordem devemos reprimir com mais dureza os desordeiros
## 37 para mim mostrar respeito pelos representantes do governo e muito importante para ser um bom cidadao
## 38 para mim aprender sobre a historia do pais e muito importante para ser um bom cidadao
## 39 as pessoas deveriam se restringir menos a costumes e tradicoes antiquados e serem mais livres para seguir suas consciencias individuais
## 40 os partidos politicos criam divisao e confusao portanto e desnecessario ter partidos politicos neste pais
## 41 as pessoas devem estar prontas para criticar e protestar contra leis com as quais elas nao concordam
## 42 e importante para a democracia que os tribunais sejam capazes de impedir o governo de agir alem de sua autoridade
## 43 e importante para a democracia que a midia forneca aos cidadaos informacoes confiaveis para julgar o governo
## 44 gosto de falar da minha cultura para pessoas que nao a conhecem como estrangeiros por exemplo
## 45 as pessoas religiosas deveriam ter voz para desafiar as normas sociais e legais atuais
## 46 na minha equipe de trabalho as disputas ou conflitos sao resolvidos de maneira justa
## 47 acredito que eu poderia fazer um trabalho num cargo publico tao bom quanto a maioria das pessoas
## 48 as diferencas entre os individuos sao respeitadas e valorizadas na minha equipe de trabalho
## 49 as pessoas nao se tratam com respeito em meu local de trabalho
## 50 a empresa organizacao em que trabalho nao tolera a discriminacao
## 51 posso confiar nas pessoas com quem trabalho quando preciso de algo
## 52 participo frequentemente de eventos que nao sao obrigatorios mas que ajudam a comunidade da empresa organizacao em que trabalho
## 53 o que o nosso pais realmente precisa e uma dose forte e dura de lei e ordem
## 54 frequentemente participo de maneira voluntaria de projetos que nao fazem parte das minhas tarefas de trabalho
## 55 o respeito a dignidade humana se reflete claramente na missao ou visao da empresa organizacao em que trabalho
## 56 a pena de morte e barbara e injustificavel
## 57 para mim votar em todas as eleicoes nacionais e muito importante para ser um bom cidadao
## 58 as virtudes mais importantes que as criancas devem aprender sao obediencia e respeito a autoridade
## 59 para mim seguir questoes politicas no jornal no radio na tv ou na internet e muito importante para ser um bom cidadao
## 60 os partidos politicos sao importantes para a sociedade
## 61 para mim participar de atividades de promocao dos direitos humanos e muito importante para ser um bom cidadao
## 62 e importante para a democracia que o governo proteja todos os cidadaos contra a pobreza
## 63 quanto maior o numero de pessoas preparadas para criticar as autoridades melhor para a sociedade
## 64 sinto que tenho voz sobre o que acontece comigo no meu trabalho
## 65 sao necessarios partidos politicos diversos para garantir que os cidadaos tenham escolhas reais sobre quem os governa
## 66 nosso pais precisa de pensadores tradicionais que desafiarao os movimentos progressistas modernos mesmo que isso perturbe muitas pessoas
## 67 as autoridades devem sempre ser obedecidas porque elas estao na melhor posicao para saber o que e bom para o pais
## 68 as leis de deus sobre aborto pornografia e casamento devem ser seguidas a risca sem questionamento ou debate antes que seja tarde demais
## 69 nenhum principio e mais nobre ou sagrado do que o da verdadeira obediencia
## 70 e importante para a democracia que os partidos da oposicao sejam livres para criticar o governo
## 71 e importante para a democracia que os direitos dos grupos minoritarios sejam protegidos
## 72 as pessoas que dizem que nossas leis deveriam ser aplicadas de maneira mais impiedosa e cruel estao erradas
## 73 nosso principal desejo na vida e alguem que nos leve a fazer o que devemos
## 74 e importante para a democracia que a midia seja livre para criticar o governo
## 75 para mim participar de protestos pacificos contra leis consideradas injustas e muito importante para ser um bom cidadao
## 76 os crimes sexuais como estupro e ataques a criancas merecem mais do que mera prisao esses criminosos devem ser acoitados publicamente ou pior
## 77 os politicos sao todos corruptos e a sociedade e vitima deles
## 78 para mim engajar em discussoes politicas e muito importante para ser um bom cidadao
## 79 ser humanitario com criminosos so os encoraja a tirar proveito de sua fraqueza sendo melhor agir de maneira impiedosa com eles
## 80 nossos lideres deveriam ser obedecidos sem questionamento
## 81 crimes sexuais como estupro e abuso sexual de criancas refletem uma sociedade doente e devemos mudar a sociedade em vez de punir os agressores individualmente
## 82 o que menos precisamos e de qualquer autoridade para nos dizer o que fazer ou como faze lo
## 83 nao me importo em desrespeitar a opiniao dos outros
## 84 no que diz respeito as questoes ambientais nao existe um caminho certo para viver a vida todo mundo tem que criar seu proprio caminho
## 85 sempre insisto em ter as coisas feitas do meu modo
## 86 para ser uma pessoa decente siga seus desejos independentemente da lei
## 87 costumo reclamar sobre os diferentes pontos de vista
## 88 o governo e como um pai e ele deve decidir o que e bom para nos
## 89 este pais funcionaria muito melhor se certos grupos religiosos apenas ficassem quietos e aceitassem o lugar apropriado de seu grupo na sociedade
## 90 sinto vontade de me rebelar contra as autoridades mesmo quando sei que estao certas
## 91 os homens sao melhores lideres politicos do que as mulheres e devem ser eleitos em vez delas
## 92 nao ha nada de errado em comprar um produto pirata
## 93 o homem de negocios e o industrial sao muito mais importantes para a sociedade do que o artista e o professor
## 94 a ciencia nao tem lugar na tomada de decisoes pois todas as coisas importantes nunca podem ser entendidas pela mente humana
## 95 obediencia e respeito a autoridade nao sao virtudes e nao devem ser ensinados as criancas
## 96 frequentemente ignoro ou desrespeito as regras de transito para avancar e chegar mais rapido no meu destino
## X0 X1 X2 X3 X4
## 1 0.737 -0.179 -0.100 0.010 -0.102
## 2 0.599 -0.069 0.051 0.001 0.240
## 3 0.579 0.003 0.011 0.075 -0.287
## 4 0.571 -0.053 0.010 0.094 0.103
## 5 0.550 0.192 0.048 0.125 0.051
## 6 0.545 -0.104 -0.012 0.029 0.162
## 7 0.545 0.112 -0.118 0.167 -0.161
## 8 0.501 0.011 0.266 0.023 -0.052
## 9 0.498 -0.102 0.102 -0.025 0.162
## 10 0.492 0.122 0.143 -0.070 -0.078
## 11 0.488 -0.005 0.177 0.151 0.249
## 12 0.439 0.064 0.275 -0.037 -0.034
## 13 0.435 -0.173 0.330 -0.008 0.014
## 14 0.421 0.089 0.054 0.183 -0.001
## 15 0.413 -0.165 0.057 -0.002 0.293
## 16 0.391 -0.028 0.301 0.021 0.261
## 17 0.378 -0.040 0.135 -0.124 0.221
## 18 0.336 0.053 0.366 -0.110 0.297
## 19 0.336 0.526 0.013 0.043 -0.093
## 20 0.332 0.396 -0.003 0.116 0.114
## 21 0.318 0.263 0.537 -0.017 -0.200
## 22 0.313 0.147 0.431 -0.122 -0.036
## 23 0.288 0.086 -0.294 -0.240 0.059
## 24 0.283 -0.143 0.242 -0.151 0.209
## 25 0.277 0.028 0.201 -0.014 0.139
## 26 0.264 -0.245 -0.139 0.226 0.022
## 27 0.262 -0.261 0.097 0.125 0.113
## 28 0.259 -0.170 0.321 0.031 0.241
## 29 0.258 -0.031 0.573 0.081 -0.127
## 30 0.251 -0.164 0.312 0.026 0.117
## 31 0.250 -0.103 0.498 0.005 0.189
## 32 0.242 -0.002 0.090 0.337 0.168
## 33 0.242 -0.241 0.019 0.139 0.259
## 34 0.204 0.106 0.415 0.043 0.023
## 35 0.200 -0.499 0.053 0.030 0.234
## 36 0.159 0.527 -0.211 0.190 0.097
## 37 0.152 0.481 0.322 0.105 -0.249
## 38 0.149 -0.271 0.298 0.126 0.020
## 39 0.087 -0.238 0.144 0.062 0.307
## 40 0.080 0.424 -0.213 -0.078 0.430
## 41 0.071 -0.270 0.284 0.015 0.279
## 42 0.070 -0.255 0.363 -0.071 0.002
## 43 0.069 -0.065 0.587 0.154 0.059
## 44 0.064 -0.143 0.330 0.201 0.130
## 45 0.064 0.243 0.010 0.038 0.049
## 46 0.062 -0.020 0.029 0.653 -0.012
## 47 0.059 -0.100 0.212 0.069 0.036
## 48 0.058 0.029 0.035 0.667 -0.089
## 49 0.055 0.124 0.086 -0.576 0.179
## 50 0.050 0.058 0.018 0.557 -0.007
## 51 0.043 -0.099 0.045 0.557 -0.167
## 52 0.039 0.064 0.240 0.285 0.020
## 53 0.035 0.657 -0.076 0.050 0.189
## 54 0.034 0.025 0.152 0.235 0.061
## 55 0.031 0.177 0.267 0.502 -0.056
## 56 0.029 -0.347 0.298 -0.055 -0.318
## 57 0.017 0.054 0.488 0.130 -0.372
## 58 0.010 0.666 0.080 0.065 -0.076
## 59 0.004 -0.210 0.473 -0.025 -0.061
## 60 -0.007 -0.205 0.463 -0.027 -0.372
## 61 -0.011 -0.109 0.591 0.165 0.023
## 62 -0.011 0.025 0.652 -0.049 0.046
## 63 -0.012 -0.386 0.258 0.045 0.126
## 64 -0.015 0.077 0.022 0.609 0.106
## 65 -0.027 -0.225 0.439 0.008 -0.149
## 66 -0.040 0.381 -0.095 0.139 -0.024
## 67 -0.044 0.503 0.112 0.057 -0.197
## 68 -0.048 0.730 -0.035 -0.028 -0.140
## 69 -0.050 0.718 0.106 -0.116 0.005
## 70 -0.051 -0.513 0.302 0.083 0.171
## 71 -0.053 -0.294 0.568 -0.103 0.000
## 72 -0.060 -0.326 0.303 0.084 -0.248
## 73 -0.063 0.487 0.153 -0.109 0.145
## 74 -0.068 -0.496 0.265 0.114 0.120
## 75 -0.091 -0.016 0.564 0.288 0.072
## 76 -0.124 0.553 -0.139 0.094 0.387
## 77 -0.126 0.382 -0.112 -0.031 0.436
## 78 -0.146 -0.064 0.621 0.087 0.033
## 79 -0.170 0.576 -0.184 0.158 0.267
## 80 -0.179 0.673 0.032 -0.062 -0.036
## 81 -0.189 -0.231 0.339 -0.164 -0.077
## 82 -0.202 -0.099 -0.118 0.022 0.299
## 83 -0.204 -0.091 -0.128 -0.222 0.349
## 84 -0.222 0.271 -0.042 0.084 0.155
## 85 -0.260 0.007 0.056 -0.034 0.190
## 86 -0.325 0.130 0.147 -0.161 0.387
## 87 -0.337 0.038 0.227 -0.042 0.117
## 88 -0.348 0.534 0.166 -0.102 0.014
## 89 -0.407 -0.176 0.067 -0.021 0.151
## 90 -0.422 0.103 0.099 -0.049 0.313
## 91 -0.468 0.507 -0.034 -0.083 0.046
## 92 -0.476 -0.104 0.061 0.040 0.276
## 93 -0.487 0.299 -0.167 0.168 -0.022
## 94 -0.497 0.509 0.128 0.052 0.003
## 95 -0.523 -0.335 0.029 0.016 0.322
## 96 -0.568 0.070 0.049 0.054 0.113items_complete %>% select(y1:y96) %>% write.csv(., "items_complete_sivis.csv")12 6D
fit_fa_propensity_6d <- with(items_complete, fa(items_complete %>% select(y1:y96), nfactors = 6, cor = "poly", fm="wls", rotate = "geominQ"))
fit_fa_original <- fa(items_original %>% select(y1:y96), nfactors = 6, cor = "poly", fm="wls", rotate = "geominQ")report_fa(vector = fit_fa_propensity_6d)## item
## 1 y84
## 2 y91
## 3 y54
## 4 y55
## 5 y13
## 6 y30
## 7 y71
## 8 y39
## 9 y38
## 10 y65
## 11 y66
## 12 y51
## 13 y81
## 14 y79
## 15 y41
## 16 y50
## 17 y74
## 18 y23
## 19 y44
## 20 y8
## 21 y11
## 22 y48
## 23 y46
## 24 y70
## 25 y78
## 26 y20
## 27 y16
## 28 y37
## 29 y19
## 30 y68
## 31 y12
## 32 y80
## 33 y45
## 34 y1
## 35 y95
## 36 y72
## 37 y87
## 38 y31
## 39 y28
## 40 y17
## 41 y67
## 42 y47
## 43 y88
## 44 y76
## 45 y93
## 46 y26
## 47 y94
## 48 y85
## 49 y63
## 50 y22
## 51 y64
## 52 y14
## 53 y15
## 54 y25
## 55 y21
## 56 y5
## 57 y33
## 58 y34
## 59 y62
## 60 y9
## 61 y49
## 62 y96
## 63 y35
## 64 y59
## 65 y57
## 66 y92
## 67 y18
## 68 y32
## 69 y6
## 70 y36
## 71 y43
## 72 y82
## 73 y7
## 74 y75
## 75 y86
## 76 y77
## 77 y60
## 78 y89
## 79 y10
## 80 y69
## 81 y24
## 82 y27
## 83 y90
## 84 y56
## 85 y61
## 86 y2
## 87 y42
## 88 y58
## 89 y83
## 90 y40
## 91 y29
## 92 y73
## 93 y52
## 94 y4
## 95 y53
## 96 y3
## conteudo
## 1 nenhum principio e mais nobre ou sagrado do que o da verdadeira obediencia
## 2 as leis de deus sobre aborto pornografia e casamento devem ser seguidas a risca sem questionamento ou debate antes que seja tarde demais
## 3 nossos lideres deveriam ser obedecidos sem questionamento
## 4 as virtudes mais importantes que as criancas devem aprender sao obediencia e respeito a autoridade
## 5 para mim mostrar respeito pelos representantes do governo e muito importante para ser um bom cidadao
## 6 as autoridades devem sempre ser obedecidas porque elas estao na melhor posicao para saber o que e bom para o pais
## 7 a ciencia nao tem lugar na tomada de decisoes pois todas as coisas importantes nunca podem ser entendidas pela mente humana
## 8 o governo e como um pai e ele deve decidir o que e bom para nos
## 9 os homens sao melhores lideres politicos do que as mulheres e devem ser eleitos em vez delas
## 10 para ser uma pessoa decente sempre fique dentro da lei
## 11 nosso principal desejo na vida e alguem que nos leve a fazer o que devemos
## 12 o que o nosso pais realmente precisa e uma dose forte e dura de lei e ordem
## 13 ser humanitario com criminosos so os encoraja a tirar proveito de sua fraqueza sendo melhor agir de maneira impiedosa com eles
## 14 dificilmente me aborreco com pessoas que tem ideias muito diferentes das minhas
## 15 os crimes sexuais como estupro e ataques a criancas merecem mais do que mera prisao esses criminosos devem ser acoitados publicamente ou pior
## 16 os crimes e as desordens publicas recentes mostram que se quisermos preservar a lei e a ordem devemos reprimir com mais dureza os desordeiros
## 17 nosso pais precisa de pensadores tradicionais que desafiarao os movimentos progressistas modernos mesmo que isso perturbe muitas pessoas
## 18 o voto e importante para mudar a realidade do pais cidade e estado
## 19 os partidos politicos criam divisao e confusao portanto e desnecessario ter partidos politicos neste pais
## 20 e importante para a democracia que o governo proteja todos os cidadaos contra a pobreza
## 21 para mim votar em todas as eleicoes nacionais e muito importante para ser um bom cidadao
## 22 os politicos sao todos corruptos e a sociedade e vitima deles
## 23 as pessoas religiosas deveriam ter voz para desafiar as normas sociais e legais atuais
## 24 o homem de negocios e o industrial sao muito mais importantes para a sociedade do que o artista e o professor
## 25 o respeito a dignidade humana se reflete claramente na missao ou visao da empresa organizacao em que trabalho
## 26 somos responsaveis pelos resultados das politicas no dia a dia
## 27 para mim participar de atividades para beneficiar as pessoas da comunidade local e muito importante para ser um bom cidadao
## 28 e importante preservar nossa cultura local
## 29 respeito pessoas que tem opinioes contrarias as minhas
## 30 no que diz respeito as questoes ambientais nao existe um caminho certo para viver a vida todo mundo tem que criar seu proprio caminho
## 31 as pessoas nao se tratam com respeito em meu local de trabalho
## 32 sempre cedo o assento mesmo que nao seja prioritario para idosos e gestantes
## 33 para ser uma pessoa decente siga seus desejos independentemente da lei
## 34 participo frequentemente de eventos que nao sao obrigatorios mas que ajudam a comunidade da empresa organizacao em que trabalho
## 35 frequentemente participo de maneira voluntaria de projetos que nao fazem parte das minhas tarefas de trabalho
## 36 e importante explorar diferentes culturas
## 37 e importante para mim seguir as regras mesmo se ninguem estiver vigiando
## 38 penso que e importante que todas as pessoas no mundo sejam tratadas igualmente acredito que todos deveriam ter oportunidades iguais na vida
## 39 a corrupcao e um grande problema do nosso pais e nos somos tambem culpados por isso
## 40 para mim participar de atividades de promocao dos direitos humanos e muito importante para ser um bom cidadao
## 41 crimes sexuais como estupro e abuso sexual de criancas refletem uma sociedade doente e devemos mudar a sociedade em vez de punir os agressores individualmente
## 42 frequentemente ignoro ou desrespeito as regras de transito para avancar e chegar mais rapido no meu destino
## 43 sinto vontade de me rebelar contra as autoridades mesmo quando sei que estao certas
## 44 sinto que tenho voz sobre o que acontece comigo no meu trabalho
## 45 a empresa organizacao em que trabalho nao tolera a discriminacao
## 46 frequentemente nao me sinto a vontade para falar de politica com outras pessoas
## 47 as diferencas entre os individuos sao respeitadas e valorizadas na minha equipe de trabalho
## 48 considero importante ouvir e compreender as pessoas que sao diferentes de mim
## 49 e importante agir com respeito durante uma reuniao
## 50 a participacao politica dos cidadaos e importante para a mudanca da sociedade
## 51 costumo reclamar sobre os diferentes pontos de vista
## 52 para mim engajar em discussoes politicas e muito importante para ser um bom cidadao
## 53 para mim participar de protestos pacificos contra leis consideradas injustas e muito importante para ser um bom cidadao
## 54 a maneira como as pessoas votam influencia muito o que acontece no brasil
## 55 os partidos politicos sao importantes para a sociedade
## 56 e importante para a democracia que a midia forneca aos cidadaos informacoes confiaveis para julgar o governo
## 57 quero que todos sejam tratados com justica mesmo as pessoas que eu nao conheco e importante para mim proteger os mais vulneraveis na sociedade
## 58 gosto das diferencas que existem entre mim e pessoas de outros paises racas e etnias
## 59 e importante defender sua propria opiniao
## 60 e importante para a democracia que o governo explique suas decisoes aos eleitores
## 61 a pena de morte e barbara e injustificavel
## 62 expresso minhas opinioes sobre assuntos relacionados ao trabalho mesmo quando outros discordam
## 63 gosto de ter contato com pessoas de outras culturas para aprender o maximo possivel sobre elas e seu modo de vida
## 64 na minha equipe de trabalho as disputas ou conflitos sao resolvidos de maneira justa
## 65 gosto de falar da minha cultura para pessoas que nao a conhecem como estrangeiros por exemplo
## 66 posso confiar nas pessoas com quem trabalho quando preciso de algo
## 67 sao necessarios partidos politicos diversos para garantir que os cidadaos tenham escolhas reais sobre quem os governa
## 68 e importante escutar pessoas que sao diferentes de mim mesmo quando discordo delas ainda quero entende las
## 69 e importante para a democracia que os direitos dos grupos minoritarios sejam protegidos
## 70 eu tento ver o ponto de vista da outra pessoa
## 71 o que menos precisamos e de qualquer autoridade para nos dizer o que fazer ou como faze lo
## 72 as pessoas que dizem que nossas leis deveriam ser aplicadas de maneira mais impiedosa e cruel estao erradas
## 73 e importante para a democracia que os tribunais sejam capazes de impedir o governo de agir alem de sua autoridade
## 74 eu acho importante que meus filhos passem tempo depois da escola com amigos de outros paises racas e etnias
## 75 considero importante que as pessoas que conheco tenham confianca em mim
## 76 nao ha nada de errado em comprar um produto pirata
## 77 para mim seguir questoes politicas no jornal no radio na tv ou na internet e muito importante para ser um bom cidadao
## 78 sempre insisto em ter as coisas feitas do meu modo
## 79 as mulheres devem ter a mesma chance de serem eleitas para cargos politicos que os homens
## 80 este pais funcionaria muito melhor se certos grupos religiosos apenas ficassem quietos e aceitassem o lugar apropriado de seu grupo na sociedade
## 81 acredito que eu poderia fazer um trabalho num cargo publico tao bom quanto a maioria das pessoas
## 82 quanto maior o numero de pessoas preparadas para protestar contra o governo quando necessario melhor para a sociedade
## 83 as pessoas deveriam se restringir menos a costumes e tradicoes antiquados e serem mais livres para seguir suas consciencias individuais
## 84 e importante para mim ser livre para escolher por mim mesmo o que fazer
## 85 e importante tratar os colegas de trabalho de maneira justa
## 86 nao me importo em desrespeitar a opiniao dos outros
## 87 obediencia e respeito a autoridade nao sao virtudes e nao devem ser ensinados as criancas
## 88 incentivo outros da minha equipe de trabalho a emitirem opinioes relacionadas a assuntos que afetam o grupo
## 89 as pessoas deveriam ter as suas proprias crencas religiosas mesmo se isso torna las diferentes do resto da sociedade
## 90 para mim aprender sobre a historia do pais e muito importante para ser um bom cidadao
## 91 as pessoas devem estar prontas para criticar e protestar contra leis com as quais elas nao concordam
## 92 as pessoas religiosas podem ser tao morais quanto qualquer outra pessoa
## 93 quanto maior o numero de pessoas preparadas para criticar as autoridades melhor para a sociedade
## 94 e importante para a democracia que a midia seja livre para criticar o governo
## 95 as pessoas deveriam ter as suas proprias preferencias sexuais mesmo se isso torna las diferentes do resto da sociedade
## 96 e importante para a democracia que os partidos da oposicao sejam livres para criticar o governo
## X0 X1 X2 X3 X4 X5
## 1 0.699 -0.021 0.027 0.098 0.057 -0.071
## 2 0.696 -0.145 -0.086 -0.036 0.067 0.011
## 3 0.638 -0.063 -0.120 0.101 0.091 -0.030
## 4 0.588 0.044 -0.060 -0.105 0.152 0.077
## 5 0.556 0.149 0.043 -0.154 -0.184 0.161
## 6 0.523 -0.004 -0.108 -0.065 -0.051 0.094
## 7 0.520 0.016 -0.301 0.334 0.034 0.084
## 8 0.506 0.117 -0.247 0.173 0.097 -0.094
## 9 0.503 -0.137 -0.253 0.355 0.069 -0.050
## 10 0.431 0.020 0.141 -0.321 0.150 0.045
## 11 0.410 0.156 0.018 0.083 0.183 -0.112
## 12 0.405 0.090 -0.020 -0.129 0.517 -0.004
## 13 0.354 -0.069 -0.058 0.135 0.488 0.126
## 14 0.342 -0.067 0.364 -0.024 0.095 0.153
## 15 0.327 -0.021 0.060 0.208 0.507 0.063
## 16 0.267 -0.020 0.000 -0.271 0.506 0.131
## 17 0.239 0.003 -0.150 -0.153 0.280 0.105
## 18 0.231 0.604 -0.008 -0.505 0.007 -0.057
## 19 0.226 -0.113 0.264 0.177 0.440 -0.098
## 20 0.220 0.432 0.191 0.264 -0.368 0.018
## 21 0.219 0.332 -0.140 -0.180 -0.370 0.169
## 22 0.218 -0.036 0.136 0.316 0.393 -0.047
## 23 0.176 0.035 0.046 -0.048 0.132 0.032
## 24 0.166 -0.054 -0.482 0.075 0.301 0.123
## 25 0.165 0.234 0.003 -0.043 0.014 0.513
## 26 0.159 0.432 0.174 -0.255 -0.057 -0.131
## 27 0.152 0.353 0.200 -0.052 -0.105 0.061
## 28 0.152 0.082 0.346 -0.271 -0.109 -0.044
## 29 0.141 0.037 0.443 -0.241 0.057 0.142
## 30 0.132 0.072 -0.164 0.081 0.313 0.044
## 31 0.113 0.106 0.127 0.054 0.044 -0.587
## 32 0.105 -0.023 0.375 -0.123 -0.068 0.222
## 33 0.105 0.141 0.029 0.479 0.134 -0.160
## 34 0.088 0.185 0.086 0.053 -0.048 0.304
## 35 0.069 0.066 0.144 0.142 -0.079 0.270
## 36 0.065 -0.036 0.585 0.209 -0.206 -0.051
## 37 0.061 -0.100 0.271 -0.437 0.028 0.171
## 38 0.035 0.375 0.436 0.034 0.044 -0.111
## 39 0.032 0.330 0.235 -0.358 0.016 -0.059
## 40 0.027 0.469 0.104 0.148 -0.262 0.198
## 41 0.026 0.090 0.022 0.337 -0.491 -0.086
## 42 0.022 0.112 -0.398 0.298 0.160 0.022
## 43 0.020 0.185 -0.171 0.358 0.241 -0.085
## 44 0.020 0.016 0.081 0.126 0.124 0.621
## 45 0.017 0.012 0.047 -0.006 0.072 0.566
## 46 0.016 -0.247 0.214 -0.148 0.119 -0.246
## 47 0.014 0.002 0.021 -0.040 0.011 0.686
## 48 0.013 0.098 0.609 0.064 -0.046 0.194
## 49 0.009 0.014 0.217 -0.550 -0.104 0.077
## 50 -0.004 0.610 0.045 -0.338 -0.099 0.053
## 51 -0.005 0.310 -0.250 0.139 0.127 -0.084
## 52 -0.008 0.624 -0.106 0.052 -0.094 0.068
## 53 -0.013 0.598 -0.060 0.028 0.007 0.263
## 54 -0.014 0.317 0.276 -0.392 -0.007 0.004
## 55 -0.015 0.348 -0.181 -0.198 -0.420 -0.007
## 56 -0.029 0.596 0.071 -0.035 -0.072 0.139
## 57 -0.035 0.185 0.457 -0.035 -0.307 0.046
## 58 -0.040 0.002 0.576 0.018 -0.144 0.023
## 59 -0.049 0.300 0.207 -0.170 0.139 -0.049
## 60 -0.049 0.463 0.340 0.050 -0.106 0.015
## 61 -0.052 0.034 0.031 0.054 -0.617 0.029
## 62 -0.056 0.114 0.285 0.002 0.103 0.338
## 63 -0.059 0.329 0.444 -0.031 0.055 0.016
## 64 -0.060 0.034 0.049 -0.019 0.067 0.660
## 65 -0.070 0.255 0.209 0.173 -0.132 0.228
## 66 -0.079 0.018 -0.047 -0.100 -0.068 0.570
## 67 -0.086 0.365 -0.067 -0.038 -0.291 0.019
## 68 -0.088 0.039 0.630 -0.075 0.014 0.022
## 69 -0.088 0.416 0.088 0.198 -0.397 -0.063
## 70 -0.108 -0.033 0.547 -0.095 -0.020 0.052
## 71 -0.109 -0.133 0.094 0.409 0.076 0.035
## 72 -0.111 0.135 -0.066 0.041 -0.447 0.133
## 73 -0.127 0.284 0.123 0.059 -0.258 -0.051
## 74 -0.130 0.309 0.271 -0.031 -0.077 0.026
## 75 -0.135 0.097 0.424 -0.303 0.118 0.074
## 76 -0.136 0.118 -0.195 0.421 0.140 0.016
## 77 -0.142 0.494 -0.067 -0.105 -0.146 -0.049
## 78 -0.145 0.275 -0.250 0.011 0.339 -0.120
## 79 -0.147 0.283 0.320 -0.027 0.006 -0.165
## 80 -0.147 0.074 -0.189 0.344 -0.001 -0.029
## 81 -0.155 0.330 -0.036 -0.156 0.099 0.020
## 82 -0.178 0.363 0.328 0.016 0.020 0.017
## 83 -0.185 0.085 0.351 0.319 -0.073 0.091
## 84 -0.207 0.105 0.484 -0.001 0.080 -0.007
## 85 -0.219 -0.025 0.420 -0.532 -0.007 -0.005
## 86 -0.267 0.120 -0.110 0.105 0.401 -0.311
## 87 -0.274 -0.003 -0.104 0.626 -0.032 0.026
## 88 -0.289 0.090 0.322 0.045 0.100 0.124
## 89 -0.297 0.187 0.212 -0.125 0.054 0.097
## 90 -0.298 0.422 0.024 -0.210 0.032 0.075
## 91 -0.305 0.390 0.167 0.076 0.090 -0.026
## 92 -0.307 -0.039 0.149 -0.193 0.092 0.199
## 93 -0.390 0.369 0.000 -0.005 0.015 -0.002
## 94 -0.469 0.356 -0.020 0.059 -0.041 0.074
## 95 -0.507 0.148 0.264 0.033 0.017 0.001
## 96 -0.513 0.436 -0.010 0.037 0.015 0.02713 Após decisão do SIVIS (em 25 de setembro de 2020)
Double checked - March 8, 2021
13.1 Dados imputados
Tabela com analise fatorial e outros indicadores
#comunalidade
base_comunalidade <- fit_fa_propensity_6d$communality %>% #atencao!!!!!!!!
as.data.frame() %>%
rownames_to_column("item") %>%
set_names("item", "comunalidade")
#item-total
correlacao_item_total <- items_complete %>%
select(starts_with("y"), -contains("rev")) %>%
psych::alpha(.)
correlacao_item_total$item.stats %>%
as.data.frame() %>%
rownames_to_column("item") %>%
select(item, r.drop) -> correlacao_item_total
#descritivo
base_descritiva <- items_complete %>%
select(starts_with("y"), -contains("rev")) %>%
psych::describe() %>%
as.data.frame() %>%
rownames_to_column("item")
# comunalidade + item-total (1)
base_comunalidade_correl_descritiva <- left_join(base_comunalidade,
correlacao_item_total, by = "item")
# 1 + descritivo
base_comunalidade_correl_descritiva <- left_join(base_comunalidade_correl_descritiva,
base_descritiva, by = "item")
rm(base_comunalidade, correlacao_item_total, base_descritiva)Apresentação dos resultados
(Double checked on March 14)
as.data.frame(unclass(fit_fa_propensity_6d$loadings)) %>%
data.frame() %>%
setNames(paste0("X", seq_along(.) - 1)) %>% #get specific names
mutate(count = rowSums(. >= 0.3 | . <= -0.3)) %>% #count crossloadings
rownames_to_column("item") %>% #insert items number
left_join(., banco_de_itens, by = "item") %>% #get item names
select(item, conteudo, everything()) %>%
filter(count == 1) %>% #remove cross loadings
arrange(desc(abs(X0)), desc(abs(X1))) %>%
left_join(., base_comunalidade_correl_descritiva, copy = TRUE) %>% #insert descriptives
select(-c(count, vars, n, range, skew, kurtosis, se, trimmed, mad, min, max, median)) %>%
mutate_if(is.numeric, round, 3) %>%
DT::datatable(.,
options = list(#dom = 't', #keep as simplest possible
filter = 'top', #filter on the top
pageLength = 100, ## entries by page
searching = TRUE)) #disable search box ## Joining, by = "item"Manual check
mean(items_complete$y84, na.rm=T)## [1] 1.982068sd(items_complete$y84, na.rm=T)## [1] 1.288396mean(items_complete$y68, na.rm=T)## [1] 2.211758Tabela com os itens
external_table <- as.data.frame(unclass(fit_fa_propensity_6d$loadings)) %>%
data.frame() %>% #transform into dataset
setNames(paste0("X", seq_along(.) - 1)) %>% #get specific names
mutate(count = rowSums(. >= 0.3 | . <= -0.3)) %>% #count crossloadings
rownames_to_column("item") %>% #create an item
filter(count == 1) %>% #get rid of crossloadings
select(-count) %>% #remove count
mutate_at(vars(-item), ~replace(.,. < 0.3 & . > -0.3 , 0)) %>% #if lambda < 0.3 or > -0.3, 0
pivot_longer(-item) %>% #pivoting
filter(value != 0) %>% #exclude
group_by(name) %>% #grouping items by factor
mutate(itens_fator = paste0(item, collapse = ",")) %>% #insert y
select(-item) %>% #get rid of item character
distinct(name, .keep_all = TRUE) %>% #exclude duplicates
select(-value) %>%
arrange(name) #orderexternal_table## # A tibble: 6 x 2
## # Groups: name [6]
## name itens_fator
## <chr> <chr>
## 1 X0 y13,y30,y39,y53,y54,y55,y66,y73,y84,y91
## 2 X1 y5,y14,y15,y16,y17,y18,y20,y24,y40,y60,y62,y64,y75
## 3 X2 y10,y19,y32,y34,y36,y37,y47,y56,y58,y72,y80,y85
## 4 X3 y42,y43,y45,y63,y69,y77,y87,y88
## 5 X4 y44,y49,y50,y68,y82,y89
## 6 X5 y1,y12,y59,y76,y78,y92,y93,y94,y96Reliability de todos os fatores
#traditionalism dogmatism (WLS3)
items_complete %>% select(y13,y30,y39,y53,y54,y55,y66,y73,y84,y91) %>% alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.78 0.78 0.79 0.26 3.6 0.0077 2 0.72 0.27
##
## lower alpha upper 95% confidence boundaries
## 0.76 0.78 0.8
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y13 0.78 0.78 0.79 0.29 3.6 0.0076 0.018 0.29
## y30 0.76 0.76 0.77 0.26 3.2 0.0085 0.020 0.25
## y39 0.76 0.76 0.77 0.26 3.1 0.0086 0.021 0.24
## y53- 0.76 0.76 0.76 0.26 3.2 0.0085 0.018 0.27
## y54 0.75 0.75 0.76 0.25 3.0 0.0087 0.019 0.25
## y55 0.75 0.75 0.76 0.25 3.0 0.0089 0.018 0.24
## y66 0.78 0.78 0.79 0.28 3.6 0.0078 0.019 0.29
## y73- 0.79 0.79 0.80 0.30 3.9 0.0074 0.014 0.30
## y84 0.74 0.74 0.75 0.24 2.9 0.0093 0.018 0.24
## y91 0.73 0.74 0.74 0.24 2.8 0.0096 0.015 0.25
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y13 1674 0.46 0.43 0.32 0.28 3.3 1.39
## y30 1669 0.59 0.59 0.52 0.46 2.2 1.23
## y39 1670 0.60 0.61 0.54 0.48 1.8 1.16
## y53- 1672 0.58 0.58 0.54 0.46 1.6 1.18
## y54 1672 0.63 0.65 0.60 0.54 1.4 0.95
## y55 1672 0.67 0.66 0.63 0.55 2.2 1.21
## y66 1667 0.45 0.46 0.35 0.30 2.0 1.19
## y73- 1673 0.35 0.35 0.22 0.19 1.8 1.19
## y84 1673 0.73 0.72 0.70 0.62 2.0 1.29
## y91 1663 0.76 0.74 0.74 0.64 2.0 1.46
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y13 0.15 0.19 0.14 0.29 0.24 0.02
## y30 0.34 0.36 0.07 0.16 0.05 0.02
## y39 0.56 0.23 0.07 0.09 0.04 0.02
## y53 0.06 0.05 0.06 0.11 0.72 0.02
## y54 0.77 0.13 0.03 0.04 0.03 0.02
## y55 0.36 0.34 0.09 0.16 0.04 0.02
## y66 0.48 0.17 0.22 0.10 0.04 0.03
## y73 0.06 0.05 0.12 0.17 0.59 0.02
## y84 0.53 0.19 0.12 0.09 0.07 0.02
## y91 0.62 0.09 0.08 0.10 0.12 0.03#participação cidada (WLS6)
items_complete %>% select(y5,y14,y15,y16,y17,y18,y20,y24,y40,y60,y62,y64,y75) %>% alpha(., check.keys = T)##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.72 0.73 0.74 0.17 2.7 0.0097 4.1 0.52 0.17
##
## lower alpha upper 95% confidence boundaries
## 0.7 0.72 0.74
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y5 0.71 0.72 0.73 0.18 2.6 0.0101 0.0135 0.17
## y14 0.66 0.69 0.70 0.15 2.2 0.0118 0.0107 0.15
## y15 0.68 0.70 0.71 0.16 2.3 0.0109 0.0111 0.16
## y16 0.70 0.72 0.73 0.18 2.6 0.0102 0.0131 0.17
## y17 0.68 0.70 0.71 0.16 2.3 0.0110 0.0113 0.16
## y18 0.70 0.72 0.73 0.17 2.5 0.0103 0.0137 0.17
## y20 0.71 0.72 0.74 0.18 2.6 0.0099 0.0138 0.17
## y24 0.71 0.73 0.74 0.18 2.6 0.0099 0.0136 0.17
## y40 0.70 0.71 0.73 0.17 2.5 0.0103 0.0133 0.15
## y60 0.68 0.70 0.71 0.16 2.3 0.0112 0.0128 0.16
## y62 0.71 0.72 0.74 0.18 2.6 0.0101 0.0134 0.17
## y64 0.75 0.75 0.76 0.20 3.1 0.0087 0.0085 0.18
## y75 0.71 0.72 0.73 0.18 2.6 0.0101 0.0137 0.16
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y5 1710 0.38 0.46 0.378 0.313 4.9 0.51
## y14 1674 0.71 0.68 0.684 0.594 3.9 1.23
## y15 1674 0.60 0.62 0.599 0.484 4.2 1.04
## y16 1674 0.43 0.46 0.387 0.318 4.4 0.80
## y17 1674 0.62 0.63 0.603 0.500 4.2 1.06
## y18 1674 0.53 0.48 0.408 0.347 3.6 1.38
## y20 1674 0.41 0.42 0.331 0.265 4.1 1.07
## y24 1674 0.45 0.42 0.323 0.277 3.8 1.26
## y40 1670 0.47 0.50 0.435 0.362 4.5 0.83
## y60 1672 0.63 0.59 0.560 0.493 3.7 1.25
## y62 1667 0.39 0.43 0.341 0.288 4.4 0.73
## y64 1667 0.24 0.18 0.038 0.038 2.6 1.31
## y75 1673 0.43 0.46 0.377 0.306 4.4 0.91
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y5 0.01 0.00 0.03 0.06 0.91 0.00
## y14 0.07 0.08 0.10 0.33 0.41 0.02
## y15 0.04 0.04 0.10 0.34 0.48 0.02
## y16 0.00 0.03 0.11 0.29 0.57 0.02
## y17 0.03 0.07 0.11 0.28 0.51 0.02
## y18 0.12 0.12 0.13 0.28 0.35 0.02
## y20 0.03 0.10 0.08 0.36 0.43 0.02
## y24 0.08 0.10 0.15 0.30 0.36 0.02
## y40 0.01 0.05 0.05 0.21 0.69 0.02
## y60 0.09 0.10 0.13 0.38 0.31 0.02
## y62 0.00 0.03 0.06 0.40 0.51 0.03
## y64 0.26 0.25 0.19 0.21 0.09 0.03
## y75 0.01 0.03 0.14 0.17 0.65 0.02#tolerancia (WLS1)
items_complete %>% select(y10,y19,y32,y34,y36,y37,y47,y56,y58,y72,y80,y85) %>% alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.71 0.72 0.72 0.18 2.6 0.01 4.5 0.43 0.16
##
## lower alpha upper 95% confidence boundaries
## 0.69 0.71 0.73
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y10 0.71 0.73 0.73 0.20 2.7 0.010 0.0074 0.18
## y19 0.69 0.70 0.70 0.18 2.3 0.011 0.0093 0.16
## y32 0.67 0.68 0.68 0.16 2.1 0.012 0.0070 0.15
## y34 0.67 0.69 0.69 0.17 2.2 0.011 0.0098 0.15
## y36 0.68 0.68 0.69 0.16 2.2 0.011 0.0081 0.15
## y37 0.69 0.70 0.71 0.18 2.4 0.011 0.0102 0.16
## y47- 0.69 0.70 0.71 0.18 2.4 0.011 0.0112 0.16
## y56 0.69 0.70 0.70 0.17 2.3 0.011 0.0099 0.15
## y58 0.71 0.71 0.71 0.18 2.5 0.010 0.0106 0.16
## y72 0.70 0.71 0.71 0.18 2.4 0.011 0.0103 0.17
## y80 0.69 0.71 0.71 0.18 2.4 0.011 0.0098 0.16
## y85 0.68 0.69 0.69 0.17 2.2 0.011 0.0091 0.15
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y10 1710 0.20 0.27 0.13 0.12 4.9 0.41
## y19 1674 0.46 0.50 0.42 0.34 4.5 0.73
## y32 1669 0.62 0.64 0.63 0.51 4.5 0.80
## y34 1669 0.58 0.57 0.52 0.43 4.4 0.99
## y36 1669 0.56 0.60 0.57 0.46 4.6 0.62
## y37 1670 0.48 0.47 0.39 0.34 4.4 0.86
## y47- 1670 0.53 0.49 0.40 0.34 4.2 1.12
## y56 1672 0.49 0.50 0.42 0.35 4.5 0.82
## y58 1672 0.48 0.43 0.33 0.27 4.0 1.22
## y72 1667 0.46 0.44 0.34 0.29 4.5 0.98
## y80 1673 0.49 0.46 0.37 0.32 4.4 1.03
## y85 1663 0.54 0.57 0.51 0.43 4.6 0.70
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y10 0.00 0.01 0.01 0.03 0.95 0.00
## y19 0.00 0.03 0.05 0.35 0.57 0.02
## y32 0.01 0.02 0.06 0.28 0.63 0.02
## y34 0.03 0.02 0.11 0.19 0.64 0.02
## y36 0.00 0.01 0.04 0.26 0.69 0.02
## y37 0.01 0.03 0.11 0.29 0.57 0.02
## y47 0.56 0.26 0.05 0.09 0.04 0.02
## y56 0.01 0.05 0.02 0.28 0.64 0.02
## y58 0.08 0.03 0.15 0.28 0.46 0.02
## y72 0.04 0.01 0.07 0.19 0.69 0.03
## y80 0.03 0.05 0.06 0.17 0.68 0.02
## y85 0.01 0.02 0.02 0.23 0.72 0.03#individualismo (WLS2)
items_complete %>% select(y42,y43,y45,y63,y69,y77,y87,y88) %>% alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.66 0.69 0.67 0.21 2.2 0.012 2 0.64 0.22
##
## lower alpha upper 95% confidence boundaries
## 0.63 0.66 0.68
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y42 0.58 0.62 0.60 0.19 1.7 0.015 0.0059 0.18
## y43 0.65 0.68 0.66 0.23 2.1 0.013 0.0052 0.24
## y45 0.62 0.65 0.64 0.21 1.9 0.014 0.0073 0.21
## y63- 0.65 0.66 0.64 0.22 1.9 0.013 0.0071 0.24
## y69 0.66 0.68 0.66 0.24 2.2 0.012 0.0056 0.24
## y77 0.61 0.64 0.63 0.21 1.8 0.014 0.0073 0.20
## y87- 0.61 0.64 0.62 0.20 1.8 0.014 0.0063 0.20
## y88 0.62 0.65 0.63 0.21 1.9 0.013 0.0062 0.21
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y42 1670 0.67 0.67 0.62 0.50 2.2 1.25
## y43 1670 0.48 0.47 0.33 0.26 2.5 1.23
## y45 1670 0.55 0.56 0.46 0.37 1.8 1.10
## y63- 1667 0.42 0.55 0.44 0.36 1.1 0.37
## y69 1667 0.53 0.45 0.30 0.26 2.8 1.52
## y77 1673 0.61 0.60 0.51 0.42 2.2 1.25
## y87- 1663 0.59 0.61 0.53 0.43 1.7 1.04
## y88 1663 0.57 0.57 0.48 0.36 2.0 1.30
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y42 0.39 0.33 0.08 0.14 0.06 0.02
## y43 0.21 0.41 0.14 0.15 0.09 0.02
## y45 0.55 0.28 0.07 0.05 0.05 0.02
## y63 0.00 0.00 0.01 0.13 0.87 0.03
## y69 0.29 0.18 0.12 0.21 0.20 0.03
## y77 0.37 0.28 0.14 0.16 0.05 0.02
## y87 0.05 0.04 0.05 0.29 0.57 0.03
## y88 0.55 0.19 0.08 0.12 0.07 0.03#autoritarismo (WLS4)
items_complete %>% select(y44,y49,y50,y68,y82,y89) %>% alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.59 0.58 0.55 0.19 1.4 0.015 2.4 0.76 0.2
##
## lower alpha upper 95% confidence boundaries
## 0.56 0.59 0.62
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y44 0.54 0.53 0.50 0.18 1.13 0.017 0.0130 0.16
## y49- 0.47 0.47 0.43 0.15 0.88 0.020 0.0070 0.12
## y50 0.53 0.52 0.49 0.18 1.11 0.018 0.0076 0.16
## y68 0.57 0.56 0.52 0.20 1.26 0.016 0.0137 0.23
## y82- 0.52 0.51 0.48 0.17 1.06 0.018 0.0098 0.16
## y89 0.60 0.59 0.55 0.23 1.46 0.015 0.0077 0.23
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y44 1670 0.57 0.57 0.42 0.33 2.1 1.3
## y49- 1672 0.69 0.67 0.60 0.46 2.3 1.4
## y50 1672 0.61 0.58 0.45 0.34 2.6 1.4
## y68 1667 0.51 0.52 0.34 0.26 2.2 1.3
## y82- 1673 0.60 0.60 0.48 0.37 2.4 1.3
## y89 1663 0.42 0.45 0.24 0.17 2.7 1.2
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y44 0.45 0.26 0.07 0.15 0.07 0.02
## y49 0.09 0.19 0.11 0.17 0.45 0.02
## y50 0.34 0.21 0.11 0.22 0.12 0.02
## y68 0.38 0.32 0.09 0.14 0.07 0.03
## y82 0.06 0.18 0.15 0.26 0.34 0.02
## y89 0.19 0.31 0.19 0.25 0.05 0.03#cidadania (WLS5)
items_complete %>% select(y1,y12,y59,y76,y78,y92,y93,y94,y96) %>% alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.76 0.77 0.77 0.27 3.3 0.0085 3.9 0.69 0.25
##
## lower alpha upper 95% confidence boundaries
## 0.75 0.76 0.78
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y1 0.78 0.78 0.78 0.31 3.6 0.0080 0.013 0.32
## y12- 0.75 0.75 0.74 0.27 3.0 0.0092 0.016 0.25
## y59 0.71 0.71 0.71 0.24 2.5 0.0106 0.014 0.24
## y76 0.74 0.74 0.74 0.26 2.8 0.0095 0.019 0.25
## y78 0.74 0.74 0.74 0.26 2.9 0.0095 0.019 0.26
## y92 0.74 0.74 0.74 0.26 2.9 0.0095 0.016 0.25
## y93 0.73 0.74 0.74 0.26 2.8 0.0096 0.018 0.25
## y94 0.72 0.72 0.72 0.24 2.6 0.0103 0.013 0.24
## y96 0.77 0.77 0.76 0.29 3.3 0.0085 0.017 0.32
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y1 1710 0.40 0.38 0.23 0.20 3.6 1.2
## y12- 1710 0.58 0.56 0.49 0.42 3.9 1.2
## y59 1672 0.75 0.75 0.73 0.64 3.8 1.2
## y76 1673 0.61 0.62 0.55 0.48 3.9 1.1
## y78 1673 0.60 0.60 0.53 0.46 3.9 1.1
## y92 1663 0.60 0.61 0.55 0.47 3.9 1.1
## y93 1663 0.63 0.62 0.56 0.49 3.9 1.3
## y94 1663 0.71 0.72 0.69 0.60 4.0 1.2
## y96 1663 0.45 0.45 0.33 0.28 4.0 1.1
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y1 0.08 0.13 0.23 0.27 0.29 0.00
## y12 0.42 0.25 0.15 0.14 0.04 0.00
## y59 0.06 0.09 0.22 0.29 0.34 0.02
## y76 0.04 0.10 0.16 0.36 0.34 0.02
## y78 0.05 0.07 0.17 0.30 0.40 0.02
## y92 0.03 0.11 0.14 0.41 0.31 0.03
## y93 0.07 0.10 0.15 0.23 0.44 0.03
## y94 0.04 0.09 0.13 0.29 0.45 0.03
## y96 0.06 0.08 0.10 0.37 0.39 0.03items_complete %>%
select(y1,y12,y59,y76,y78,y92,y93,y94,y96,
y5,y14,y15,y16,y17,y18,y20,y24,y40,y60,y62,y64,y75,
y10,y19,y32,y34,y36,y37,y47,y56,y58,y72,y80,y85,
y13,y30,y39,y53,y54,y55,y66,y73,y84,y91,
y42,y43,y45,y63,y69,y77,y87,y88,
y44,y49,y50,y68,y82,y89) %>%
alpha(., check.keys = T)## Warning in alpha(., check.keys = T): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.##
## Reliability analysis
## Call: alpha(x = ., check.keys = T)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.86 0.87 0.91 0.1 6.7 0.0048 4.1 0.37 0.095
##
## lower alpha upper 95% confidence boundaries
## 0.85 0.86 0.87
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## y1 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.097
## y12- 0.86 0.87 0.91 0.10 6.6 0.0049 0.0104 0.098
## y59 0.86 0.87 0.91 0.10 6.5 0.0050 0.0103 0.094
## y76 0.86 0.87 0.91 0.10 6.7 0.0049 0.0103 0.098
## y78 0.86 0.87 0.91 0.10 6.6 0.0049 0.0104 0.095
## y92 0.86 0.87 0.91 0.10 6.5 0.0050 0.0104 0.095
## y93 0.86 0.87 0.91 0.10 6.6 0.0049 0.0104 0.097
## y94 0.86 0.87 0.91 0.10 6.6 0.0049 0.0103 0.096
## y96 0.86 0.87 0.91 0.10 6.5 0.0050 0.0105 0.094
## y5 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.095
## y14 0.86 0.87 0.91 0.10 6.6 0.0049 0.0102 0.096
## y15 0.86 0.87 0.91 0.10 6.5 0.0050 0.0103 0.094
## y16 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.095
## y17 0.85 0.87 0.91 0.10 6.5 0.0050 0.0104 0.093
## y18 0.86 0.87 0.91 0.10 6.5 0.0050 0.0105 0.094
## y20 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.094
## y24 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.097
## y40 0.86 0.87 0.91 0.10 6.5 0.0050 0.0105 0.094
## y60 0.86 0.87 0.91 0.10 6.5 0.0049 0.0104 0.095
## y62 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.095
## y64- 0.86 0.87 0.91 0.10 6.7 0.0048 0.0106 0.097
## y75 0.86 0.87 0.91 0.10 6.5 0.0050 0.0105 0.094
## y10 0.86 0.87 0.91 0.11 6.7 0.0049 0.0105 0.099
## y19 0.86 0.87 0.91 0.10 6.6 0.0049 0.0105 0.095
## y32 0.86 0.87 0.91 0.10 6.5 0.0050 0.0104 0.094
## y34 0.85 0.87 0.91 0.10 6.5 0.0050 0.0105 0.094
## y36 0.86 0.87 0.91 0.10 6.5 0.0049 0.0105 0.094
## y37 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.094
## y47- 0.86 0.87 0.91 0.10 6.5 0.0050 0.0106 0.094
## y56 0.86 0.87 0.91 0.10 6.5 0.0049 0.0105 0.095
## y58 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.094
## y72 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.097
## y80 0.86 0.87 0.91 0.10 6.5 0.0049 0.0106 0.094
## y85 0.86 0.87 0.91 0.10 6.5 0.0049 0.0105 0.094
## y13 0.86 0.87 0.91 0.11 6.7 0.0048 0.0101 0.098
## y30- 0.86 0.87 0.91 0.10 6.7 0.0049 0.0101 0.097
## y39- 0.85 0.87 0.91 0.10 6.4 0.0050 0.0103 0.093
## y53 0.86 0.87 0.91 0.10 6.5 0.0050 0.0103 0.094
## y54- 0.86 0.87 0.91 0.10 6.5 0.0050 0.0103 0.095
## y55- 0.86 0.87 0.91 0.10 6.6 0.0049 0.0100 0.096
## y66- 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.097
## y73 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.095
## y84- 0.85 0.87 0.91 0.10 6.5 0.0050 0.0100 0.094
## y91- 0.85 0.87 0.91 0.10 6.5 0.0050 0.0099 0.095
## y42- 0.86 0.87 0.91 0.10 6.7 0.0048 0.0101 0.098
## y43- 0.86 0.87 0.91 0.11 6.7 0.0048 0.0104 0.098
## y45- 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.094
## y63 0.86 0.87 0.91 0.10 6.5 0.0049 0.0106 0.094
## y69- 0.86 0.87 0.91 0.10 6.7 0.0048 0.0105 0.096
## y77- 0.86 0.87 0.91 0.10 6.6 0.0049 0.0104 0.097
## y87 0.86 0.87 0.91 0.10 6.6 0.0049 0.0104 0.095
## y88- 0.86 0.87 0.91 0.10 6.6 0.0049 0.0105 0.094
## y44- 0.86 0.87 0.91 0.10 6.6 0.0050 0.0105 0.094
## y49 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.094
## y50- 0.86 0.87 0.91 0.11 6.7 0.0048 0.0100 0.097
## y68- 0.86 0.87 0.91 0.10 6.6 0.0049 0.0106 0.095
## y82 0.86 0.87 0.91 0.10 6.6 0.0049 0.0105 0.095
## y89- 0.86 0.87 0.91 0.10 6.7 0.0049 0.0106 0.098
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## y1 1710 0.29 0.28 0.25 0.229 3.6 1.25
## y12- 1710 0.30 0.29 0.27 0.252 3.9 1.23
## y59 1672 0.41 0.41 0.40 0.368 3.8 1.19
## y76 1673 0.25 0.25 0.23 0.197 3.9 1.10
## y78 1673 0.35 0.35 0.33 0.302 3.9 1.14
## y92 1663 0.39 0.39 0.38 0.347 3.9 1.07
## y93 1663 0.33 0.32 0.31 0.275 3.9 1.26
## y94 1663 0.37 0.37 0.36 0.322 4.0 1.16
## y96 1663 0.42 0.43 0.42 0.377 4.0 1.15
## y5 1710 0.31 0.34 0.32 0.288 4.9 0.51
## y14 1674 0.35 0.34 0.34 0.299 3.9 1.23
## y15 1674 0.39 0.40 0.39 0.351 4.2 1.04
## y16 1674 0.33 0.34 0.33 0.290 4.4 0.80
## y17 1674 0.48 0.48 0.47 0.438 4.2 1.06
## y18 1674 0.39 0.37 0.35 0.335 3.6 1.38
## y20 1674 0.31 0.32 0.30 0.268 4.1 1.07
## y24 1674 0.27 0.26 0.24 0.211 3.8 1.26
## y40 1670 0.43 0.45 0.44 0.401 4.5 0.83
## y60 1672 0.38 0.38 0.37 0.333 3.7 1.25
## y62 1667 0.32 0.34 0.32 0.288 4.4 0.73
## y64- 1667 0.24 0.23 0.20 0.178 3.4 1.31
## y75 1673 0.41 0.43 0.41 0.378 4.4 0.91
## y10 1710 0.14 0.16 0.13 0.112 4.9 0.41
## y19 1674 0.32 0.36 0.35 0.289 4.5 0.73
## y32 1669 0.46 0.48 0.48 0.426 4.5 0.80
## y34 1669 0.45 0.47 0.46 0.418 4.4 0.99
## y36 1669 0.40 0.43 0.42 0.374 4.6 0.62
## y37 1670 0.33 0.36 0.34 0.300 4.4 0.86
## y47- 1670 0.41 0.43 0.41 0.371 4.2 1.12
## y56 1672 0.35 0.38 0.36 0.313 4.5 0.82
## y58 1672 0.37 0.37 0.35 0.317 4.0 1.22
## y72 1667 0.26 0.27 0.24 0.213 4.5 0.98
## y80 1673 0.37 0.38 0.36 0.326 4.4 1.03
## y85 1663 0.41 0.43 0.43 0.378 4.6 0.70
## y13 1674 0.15 0.15 0.12 0.088 3.3 1.39
## y30- 1669 0.25 0.24 0.22 0.194 3.8 1.23
## y39- 1670 0.50 0.49 0.48 0.456 4.2 1.16
## y53 1672 0.43 0.43 0.43 0.386 4.4 1.18
## y54- 1672 0.42 0.41 0.40 0.381 4.6 0.95
## y55- 1672 0.31 0.29 0.28 0.251 3.8 1.21
## y66- 1667 0.29 0.28 0.26 0.244 4.0 1.19
## y73 1673 0.36 0.35 0.34 0.306 4.2 1.19
## y84- 1673 0.45 0.43 0.42 0.401 4.0 1.29
## y91- 1663 0.44 0.43 0.43 0.384 4.0 1.46
## y42- 1670 0.21 0.22 0.21 0.158 3.8 1.25
## y43- 1670 0.19 0.18 0.15 0.131 3.5 1.23
## y45- 1670 0.36 0.35 0.33 0.310 4.2 1.10
## y63 1667 0.37 0.40 0.39 0.358 4.9 0.37
## y69- 1667 0.24 0.23 0.21 0.174 3.2 1.52
## y77- 1673 0.27 0.26 0.24 0.212 3.8 1.25
## y87 1663 0.35 0.36 0.35 0.305 4.3 1.04
## y88- 1663 0.37 0.36 0.34 0.314 4.0 1.30
## y44- 1670 0.39 0.36 0.35 0.339 3.9 1.31
## y49 1672 0.39 0.37 0.35 0.332 3.7 1.43
## y50- 1672 0.23 0.20 0.18 0.160 3.4 1.44
## y68- 1667 0.35 0.33 0.31 0.294 3.8 1.28
## y82 1673 0.37 0.36 0.34 0.323 3.6 1.29
## y89- 1663 0.25 0.24 0.21 0.194 3.3 1.20
##
## Non missing response frequency for each item
## 1 2 3 4 5 miss
## y1 0.08 0.13 0.23 0.27 0.29 0.00
## y12 0.42 0.25 0.15 0.14 0.04 0.00
## y59 0.06 0.09 0.22 0.29 0.34 0.02
## y76 0.04 0.10 0.16 0.36 0.34 0.02
## y78 0.05 0.07 0.17 0.30 0.40 0.02
## y92 0.03 0.11 0.14 0.41 0.31 0.03
## y93 0.07 0.10 0.15 0.23 0.44 0.03
## y94 0.04 0.09 0.13 0.29 0.45 0.03
## y96 0.06 0.08 0.10 0.37 0.39 0.03
## y5 0.01 0.00 0.03 0.06 0.91 0.00
## y14 0.07 0.08 0.10 0.33 0.41 0.02
## y15 0.04 0.04 0.10 0.34 0.48 0.02
## y16 0.00 0.03 0.11 0.29 0.57 0.02
## y17 0.03 0.07 0.11 0.28 0.51 0.02
## y18 0.12 0.12 0.13 0.28 0.35 0.02
## y20 0.03 0.10 0.08 0.36 0.43 0.02
## y24 0.08 0.10 0.15 0.30 0.36 0.02
## y40 0.01 0.05 0.05 0.21 0.69 0.02
## y60 0.09 0.10 0.13 0.38 0.31 0.02
## y62 0.00 0.03 0.06 0.40 0.51 0.03
## y64 0.26 0.25 0.19 0.21 0.09 0.03
## y75 0.01 0.03 0.14 0.17 0.65 0.02
## y10 0.00 0.01 0.01 0.03 0.95 0.00
## y19 0.00 0.03 0.05 0.35 0.57 0.02
## y32 0.01 0.02 0.06 0.28 0.63 0.02
## y34 0.03 0.02 0.11 0.19 0.64 0.02
## y36 0.00 0.01 0.04 0.26 0.69 0.02
## y37 0.01 0.03 0.11 0.29 0.57 0.02
## y47 0.56 0.26 0.05 0.09 0.04 0.02
## y56 0.01 0.05 0.02 0.28 0.64 0.02
## y58 0.08 0.03 0.15 0.28 0.46 0.02
## y72 0.04 0.01 0.07 0.19 0.69 0.03
## y80 0.03 0.05 0.06 0.17 0.68 0.02
## y85 0.01 0.02 0.02 0.23 0.72 0.03
## y13 0.15 0.19 0.14 0.29 0.24 0.02
## y30 0.34 0.36 0.07 0.16 0.05 0.02
## y39 0.56 0.23 0.07 0.09 0.04 0.02
## y53 0.06 0.05 0.06 0.11 0.72 0.02
## y54 0.77 0.13 0.03 0.04 0.03 0.02
## y55 0.36 0.34 0.09 0.16 0.04 0.02
## y66 0.48 0.17 0.22 0.10 0.04 0.03
## y73 0.06 0.05 0.12 0.17 0.59 0.02
## y84 0.53 0.19 0.12 0.09 0.07 0.02
## y91 0.62 0.09 0.08 0.10 0.12 0.03
## y42 0.39 0.33 0.08 0.14 0.06 0.02
## y43 0.21 0.41 0.14 0.15 0.09 0.02
## y45 0.55 0.28 0.07 0.05 0.05 0.02
## y63 0.00 0.00 0.01 0.13 0.87 0.03
## y69 0.29 0.18 0.12 0.21 0.20 0.03
## y77 0.37 0.28 0.14 0.16 0.05 0.02
## y87 0.05 0.04 0.05 0.29 0.57 0.03
## y88 0.55 0.19 0.08 0.12 0.07 0.03
## y44 0.45 0.26 0.07 0.15 0.07 0.02
## y49 0.09 0.19 0.11 0.17 0.45 0.02
## y50 0.34 0.21 0.11 0.22 0.12 0.02
## y68 0.38 0.32 0.09 0.14 0.07 0.03
## y82 0.06 0.18 0.15 0.26 0.34 0.02
## y89 0.19 0.31 0.19 0.25 0.05 0.03map(strsplit(external_table$itens_fator,","), function(x) list(items_complete %>%
select(all_of(x)) %>%
alpha(.,check.keys=TRUE)%>% .$total , items_complete %>%
select(all_of(x)) %>% colnames(.)))## Warning in alpha(., check.keys = TRUE): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.
## Warning in alpha(., check.keys = TRUE): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.
## Warning in alpha(., check.keys = TRUE): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.
## Warning in alpha(., check.keys = TRUE): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.
## Warning in alpha(., check.keys = TRUE): Some items were negatively correlated with total scale and were automatically reversed.
## This is indicated by a negative sign for the variable name.## [[1]]
## [[1]][[1]]
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd
## 0.7799671 0.7819741 0.7906712 0.2639813 3.586611 0.007742444 2.044784 0.722033
## median_r
## 0.2712102
##
## [[1]][[2]]
## [1] "y13" "y30" "y39" "y53" "y54" "y55" "y66" "y73" "y84" "y91"
##
##
## [[2]]
## [[2]][[1]]
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd
## 0.7179468 0.7319528 0.74486 0.1735898 2.730686 0.009697954 4.065486 0.5160441
## median_r
## 0.1659127
##
## [[2]][[2]]
## [1] "y5" "y14" "y15" "y16" "y17" "y18" "y20" "y24" "y40" "y60" "y62" "y64"
## [13] "y75"
##
##
## [[3]]
## [[3]][[1]]
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd
## 0.7064887 0.7187928 0.7236751 0.1756032 2.556097 0.01030193 4.466342 0.43178
## median_r
## 0.1583557
##
## [[3]][[2]]
## [1] "y10" "y19" "y32" "y34" "y36" "y37" "y47" "y56" "y58" "y72" "y80" "y85"
##
##
## [[4]]
## [[4]][[1]]
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd
## 0.6570102 0.6850929 0.6702208 0.2138009 2.17554 0.01222314 2.04038 0.6431527
## median_r
## 0.2152927
##
## [[4]][[2]]
## [1] "y42" "y43" "y45" "y63" "y69" "y77" "y87" "y88"
##
##
## [[5]]
## [[5]][[1]]
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd
## 0.5851259 0.5787042 0.5537436 0.1862894 1.373629 0.01533679 2.37112 0.7630263
## median_r
## 0.198308
##
## [[5]][[2]]
## [1] "y44" "y49" "y50" "y68" "y82" "y89"
##
##
## [[6]]
## [[6]][[1]]
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd
## 0.7638748 0.7663338 0.7673469 0.2670777 3.27961 0.008489027 3.851587 0.6947365
## median_r
## 0.249582
##
## [[6]][[2]]
## [1] "y1" "y12" "y59" "y76" "y78" "y92" "y93" "y94" "y96"write.csv(items_complete, "sivis_items_complete.csv", row.names = F)Done! End of the manuscript (RPOT – June 6, 2021)
13.2 Escores somados e fatoriais
Inversão de escores do instrumento
items_complete <- items_complete %>%
mutate_at(vars(y53,
y73,
y47,
y63,
y87,
y49,
y82,
y12), list(rev = ~paste(6-.)))Verificar se a correlação é negativa mesmo
cor(items_complete$y53, items_complete$y53_rev, use = "complete.obs")## [1] -1cor(items_complete$y12, items_complete$y12_rev, use = "complete.obs")## [1] -1Transformar em numerico
items_complete <- items_complete %>%
mutate_at(vars(contains("rev")), ~as.numeric(.))Criar um somatorio para cada fator e depois um geral (TEM DE REFAZER EM 29 SEP 2020)
#somatorios
items_complete <- items_complete %>%
mutate(fator_cidadania = rowSums(select(., y1,y12_rev,y59,y76,y78,y92,y93,y94,y96), na.rm=F)) %>%
mutate(fator_participacao = rowSums(select(., y5,y14,y15,y16,y17,y18,y20,y24,y40,y60,y62,y64,y75), na.rm=F)) %>%
mutate(fator_tolerancia = rowSums(select(., y10,y19,y32,y34,y36,y37,y47_rev,y56,y58,y72,y80,y85), na.rm=F)) %>%
mutate(fator_dogmatismo = rowSums(select(., y13,y30,y39,y53_rev,y54,y55,y66,y73_rev,y84,y91), na.rm=F)) %>%
mutate(fator_individualismo = rowSums(select(., y42,y43,y45,y63_rev,y69,y77,y87_rev,y88), na.rm=F)) %>%
mutate(fator_autoritarismo = rowSums(select(., y44,y49_rev,y50,y68,y82_rev,y89), na.rm=F))
#medias
items_complete <- items_complete %>%
mutate(fator_cidadania_m = rowMeans(select(., y1,y12_rev,y59,y76,y78,y92,y93,y94,y96), na.rm=F)) %>%
mutate(fator_participacao_m = rowMeans(select(., y5,y14,y15,y16,y17,y18,y20,y24,y40,y60,y62,y64,y75), na.rm=F)) %>%
mutate(fator_tolerancia_m = rowMeans(select(., y10,y19,y32,y34,y36,y37,y47_rev,y56,y58,y72,y80,y85), na.rm=F)) %>%
mutate(fator_dogmatismo_m = rowMeans(select(., y13,y30,y39,y53_rev,y54,y55,y66,y73_rev,y84,y91), na.rm=F)) %>%
mutate(fator_individualismo_m = rowMeans(select(., y42,y43,y45,y63_rev,y69,y77,y87_rev,y88), na.rm=F)) %>%
mutate(fator_autoritarismo_m = rowMeans(select(., y44,y49_rev,y50,y68,y82_rev,y89), na.rm=F))
#medias gerais
items_complete <- items_complete %>%
mutate(fator_media_cultura_democracia_m = rowMeans(select(., fator_cidadania_m, fator_participacao_m, fator_tolerancia_m), na.rm=F)) %>%
mutate(fator_media_cultura_autoritaria_m = rowMeans(select(., fator_dogmatismo_m, fator_individualismo_m, fator_autoritarismo_m), na.rm=F)) %>%
mutate(fator_media_total = fator_media_cultura_democracia_m - fator_media_cultura_autoritaria_m)Computador o escore latente
fa_scores <- factor.scores(items_complete %>% select(y1:y96),fit_fa_propensity_6d, method="tenBerge")$scores %>%
as.data.frame()Verificar as correlações
Fator (1) - Dogmatismo tradicionalista (WLS3)
cor(items_complete$fator_dogmatismo,fa_scores$WLS3, use = "complete.obs")## [1] 0.875178Fator (2) - Participação cidadã (WLS6)
cor(items_complete$fator_participacao,fa_scores$WLS6, use = "complete.obs")## [1] 0.8098904Fator (3) - Tolerância e Alteridade (WLS1)
cor(items_complete$fator_tolerancia,fa_scores$WLS1, use = "complete.obs")## [1] 0.8497769Fator (4) - Individualismo (WLS2)
cor(items_complete$fator_individualismo,fa_scores$WLS2, use = "complete.obs")## [1] 0.8009755Fator (5) - Autoritarismo punitivista (WLS4)
cor(items_complete$fator_autoritarismo,fa_scores$WLS4, use = "complete.obs")## [1] 0.7933363Fator (6) - Cidadania Organizacional (WLS5)
cor(items_complete$fator_cidadania,fa_scores$WLS5, use = "complete.obs")## [1] 0.9110887Correlacao entre todos os fatores
library(igraph)##
## Attaching package: 'igraph'## The following objects are masked from 'package:dplyr':
##
## as_data_frame, groups, union## The following objects are masked from 'package:purrr':
##
## compose, simplify## The following object is masked from 'package:tidyr':
##
## crossing## The following object is masked from 'package:tibble':
##
## as_data_frame## The following objects are masked from 'package:stats':
##
## decompose, spectrum## The following object is masked from 'package:base':
##
## unionlibrary(ggraph)
library(corrr)
items_complete %>% select(starts_with("fator"), -ends_with("_m"), -fator_media_total) %>% names## [1] "fator_cidadania" "fator_participacao" "fator_tolerancia"
## [4] "fator_dogmatismo" "fator_individualismo" "fator_autoritarismo"cor_graph <- items_complete %>%
select(starts_with("fator"), -ends_with("_m"), -fator_media_total) %>% #select all variables of intereset
nest(data = everything()) %>% #create specific dataset to each age intervla
mutate(data = map(data, purrr::compose(stretch, correlate))) %>% #run correlation
unnest(cols = data) %>%
select(x, y, r) %>%
graph_from_data_frame(directed = FALSE)##
## Correlation method: 'pearson'
## Missing treated using: 'pairwise.complete.obs'ggraph(cor_graph, layout = "kk") +
geom_edge_link(aes(edge_alpha = abs(r), color = r), edge_width = 5) +
guides(edge_alpha = "none") +
scale_edge_colour_gradientn(limits = c(-1, 1), colors = terrain.colors(5)) +
geom_node_point(color = "black", size = 4) +
geom_node_text(aes(label = name), repel = TRUE) +
theme_minimal() 
items_complete %>%
select(starts_with("fator"), -ends_with("_m"), -fator_media_total) %>%
{Hmisc::rcorr(as.matrix(.))}## fator_cidadania fator_participacao fator_tolerancia
## fator_cidadania 1.00 0.25 0.31
## fator_participacao 0.25 1.00 0.34
## fator_tolerancia 0.31 0.34 1.00
## fator_dogmatismo -0.08 -0.30 -0.33
## fator_individualismo -0.27 -0.06 -0.38
## fator_autoritarismo -0.11 -0.36 -0.28
## fator_dogmatismo fator_individualismo fator_autoritarismo
## fator_cidadania -0.08 -0.27 -0.11
## fator_participacao -0.30 -0.06 -0.36
## fator_tolerancia -0.33 -0.38 -0.28
## fator_dogmatismo 1.00 0.00 0.38
## fator_individualismo 0.00 1.00 0.11
## fator_autoritarismo 0.38 0.11 1.00
##
## n
## fator_cidadania fator_participacao fator_tolerancia
## fator_cidadania 1659 1659 1659
## fator_participacao 1659 1661 1659
## fator_tolerancia 1659 1659 1659
## fator_dogmatismo 1659 1659 1659
## fator_individualismo 1659 1659 1659
## fator_autoritarismo 1659 1659 1659
## fator_dogmatismo fator_individualismo fator_autoritarismo
## fator_cidadania 1659 1659 1659
## fator_participacao 1659 1659 1659
## fator_tolerancia 1659 1659 1659
## fator_dogmatismo 1659 1659 1659
## fator_individualismo 1659 1659 1659
## fator_autoritarismo 1659 1659 1659
##
## P
## fator_cidadania fator_participacao fator_tolerancia
## fator_cidadania 0.0000 0.0000
## fator_participacao 0.0000 0.0000
## fator_tolerancia 0.0000 0.0000
## fator_dogmatismo 0.0007 0.0000 0.0000
## fator_individualismo 0.0000 0.0194 0.0000
## fator_autoritarismo 0.0000 0.0000 0.0000
## fator_dogmatismo fator_individualismo fator_autoritarismo
## fator_cidadania 0.0007 0.0000 0.0000
## fator_participacao 0.0000 0.0194 0.0000
## fator_tolerancia 0.0000 0.0000 0.0000
## fator_dogmatismo 0.9006 0.0000
## fator_individualismo 0.9006 0.0000
## fator_autoritarismo 0.0000 0.0000Adicionar aos dados o escore latente
items_complete <- bind_cols(items_complete, fa_scores) Renomear traço latente
items_complete <- items_complete %>%
rename(theta_tolerancia = WLS1) %>%
rename(theta_individualismo = WLS2) %>%
rename(theta_dogmatismo = WLS3) %>%
rename(theta_autoritarismo = WLS4) %>%
rename(theta_cidadania = WLS5) %>%
rename(theta_participacao = WLS6)Adicionar theta ajustando democracia e autoritarismo
#thetas gerais
items_complete <- items_complete %>%
mutate(theta_media_cultura_democracia_m = rowMeans(select(., theta_cidadania, theta_participacao, theta_tolerancia), na.rm=T)) %>%
mutate(theta_media_cultura_autoritaria_m = rowMeans(select(., theta_dogmatismo, theta_individualismo, theta_autoritarismo), na.rm=T)) %>%
mutate(theta_media_total = theta_media_cultura_democracia_m - theta_media_cultura_autoritaria_m)Correlação entre os itens somados e médios
items_complete %>%
select(starts_with("fator"),starts_with("theta")) %>%
#select(-ends_with("_m")) %>%
as.matrix(.) %>%
Hmisc::rcorr(.) %>% .$r %>%
data.frame() %>%
select(starts_with("fator")) %>%
rownames_to_column("fator") %>%
filter(str_detect(fator, 'theta')) %>%
pivot_longer(-fator) %>%
mutate(fator = str_remove_all(fator, "theta_")) %>%
mutate(name = str_remove_all(name, "fator_")) %>%
mutate(igual = if_else(fator==name,1,0)) %>%
filter(igual ==1)## # A tibble: 9 x 4
## fator name value igual
## <chr> <chr> <dbl> <dbl>
## 1 dogmatismo dogmatismo 0.875 1
## 2 participacao participacao 0.810 1
## 3 tolerancia tolerancia 0.850 1
## 4 individualismo individualismo 0.801 1
## 5 autoritarismo autoritarismo 0.793 1
## 6 cidadania cidadania 0.911 1
## 7 media_cultura_democracia_m media_cultura_democracia_m 0.853 1
## 8 media_cultura_autoritaria_m media_cultura_autoritaria_m 0.833 1
## 9 media_total media_total 0.845 1grafico_correlacao_distribuicao <- function(var1, var2) {
var1 <- enquo(var1)
var2 <- enquo(var2)
items_complete %>%
select(!!var1, !!var2) %>%
#pivot_longer(everything()) %>%
ggplot(., aes(!!var1, !!var2)) + geom_jitter() +
geom_smooth(method = "lm") +
ggpubr::stat_cor(method = "pearson") +
theme_bw()
}grafico_correlacao_distribuicao(var1 = fator_autoritarismo, var2 = theta_autoritarismo)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_autoritarismo_m, var2 = theta_autoritarismo)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_autoritarismo, var2 = fator_autoritarismo_m)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_dogmatismo, var2 = theta_dogmatismo)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_dogmatismo_m, var2 = theta_dogmatismo)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_dogmatismo, var2 = fator_dogmatismo_m)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_individualismo, var2 = theta_individualismo)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_individualismo_m, var2 = theta_individualismo)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_individualismo, var2 = fator_individualismo_m)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_cidadania, var2 = theta_cidadania)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_cidadania_m, var2 = theta_cidadania)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_cidadania, var2 = fator_cidadania_m)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_participacao, var2 = theta_participacao)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_participacao_m, var2 = theta_participacao)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_participacao, var2 = fator_participacao_m) ## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 49 rows containing non-finite values (stat_smooth).## Warning: Removed 49 rows containing non-finite values (stat_cor).## Warning: Removed 49 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_tolerancia, var2 = theta_tolerancia)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_tolerancia_m, var2 = theta_tolerancia)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
grafico_correlacao_distribuicao(var1 = fator_tolerancia, var2 = fator_tolerancia_m)## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
ggplot(items_complete, aes(x=fator_media_total, y = theta_media_total)) +
geom_jitter() +
geom_smooth(method = "lm") +
labs(x = "Raw (summative) score", y = "Latent score") +
ggpubr::stat_cor(method = "pearson") +
theme_bw()## `geom_smooth()` using formula 'y ~ x'## Warning: Removed 51 rows containing non-finite values (stat_smooth).## Warning: Removed 51 rows containing non-finite values (stat_cor).## Warning: Removed 51 rows containing missing values (geom_point).
Apresentacoes gerais
gridExtra::grid.arrange(
items_complete %>%
select(starts_with("theta")) %>%
select(-ends_with("_m")) %>%
select(-theta_media_total) %>%
pivot_longer(everything()) %>%
ggplot(aes(x = value)) +
geom_histogram(aes(y=..density..)) + geom_density(col = "blue", size =1) +
facet_wrap(~name) +
labs(x="Standardized score") +
theme_bw(),
items_complete %>%
select(starts_with("fator")) %>% #summative scores
select(-ends_with("_m")) %>% #supress mean scores
select(-fator_media_total) %>%
pivot_longer(everything()) %>%
ggplot(aes(x = value)) +
geom_histogram(aes(y=..density..)) + geom_density(col = "blue", size =1) +
facet_wrap(~name) +
labs(x="Raw score")+
theme_bw(),
nrow=1
)## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 306 rows containing non-finite values (stat_bin).## Warning: Removed 306 rows containing non-finite values (stat_density).## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 304 rows containing non-finite values (stat_bin).## Warning: Removed 304 rows containing non-finite values (stat_density).
o escore geral é dado por medias positivas - medias negativas e tem alta correlacaoc om traco latente
14 Normative table
Arredondar para duas casas decimais
items_complete <- items_complete %>%
mutate_at(vars(starts_with("fator_") & ends_with("_m")), ~round(., 2))Arredondar escore medio geral
items_complete <- items_complete %>%
mutate(fator_media_total = round(fator_media_total , 2))Descriptive tables
items_complete %>%
select(starts_with("fator")) %>%
select(ends_with("m")) %>%
summarytools::descr(.)## Descriptive Statistics
## items_complete
## N: 1710
##
## fator_autoritarismo_m fator_cidadania_m fator_dogmatismo_m
## ----------------- ----------------------- ------------------- --------------------
## Mean 2.37 3.86 2.04
## Std.Dev 0.76 0.69 0.71
## Min 1.00 1.00 1.00
## Q1 1.83 3.33 1.50
## Median 2.33 3.89 1.90
## Q3 2.83 4.44 2.50
## Max 4.67 5.00 4.60
## MAD 0.74 0.82 0.59
## IQR 1.00 1.11 1.00
## CV 0.32 0.18 0.35
## Skewness 0.30 -0.48 0.96
## SE.Skewness 0.06 0.06 0.06
## Kurtosis -0.45 0.10 0.43
## N.Valid 1659.00 1659.00 1659.00
## Pct.Valid 97.02 97.02 97.02
##
## Table: Table continues below
##
##
##
## fator_individualismo_m fator_media_cultura_autoritaria_m
## ----------------- ------------------------ -----------------------------------
## Mean 2.03 2.15
## Std.Dev 0.64 0.47
## Min 1.00 1.26
## Q1 1.62 1.81
## Median 1.88 2.09
## Q3 2.38 2.44
## Max 4.25 3.92
## MAD 0.56 0.44
## IQR 0.76 0.63
## CV 0.31 0.22
## Skewness 0.88 0.60
## SE.Skewness 0.06 0.06
## Kurtosis 0.59 0.12
## N.Valid 1659.00 1659.00
## Pct.Valid 97.02 97.02
##
## Table: Table continues below
##
##
##
## fator_media_cultura_democracia_m fator_participacao_m fator_tolerancia_m
## ----------------- ---------------------------------- ---------------------- --------------------
## Mean 4.12 4.05 4.46
## Std.Dev 0.40 0.51 0.43
## Min 2.67 2.23 2.50
## Q1 3.88 3.77 4.25
## Median 4.14 4.08 4.58
## Q3 4.43 4.46 4.75
## Max 4.94 5.00 5.00
## MAD 0.40 0.56 0.37
## IQR 0.55 0.69 0.50
## CV 0.10 0.13 0.10
## Skewness -0.55 -0.70 -1.08
## SE.Skewness 0.06 0.06 0.06
## Kurtosis -0.04 0.33 0.84
## N.Valid 1659.00 1661.00 1659.00
## Pct.Valid 97.02 97.13 97.02items_complete %>%
select(fator_media_total) %>%
summarytools::descr(.)## Descriptive Statistics
## items_complete$fator_media_total
## N: 1710
##
## fator_media_total
## ----------------- -------------------
## Mean 1.97
## Std.Dev 0.74
## Min -0.94
## Q1 1.56
## Median 2.04
## Q3 2.47
## Max 3.44
## MAD 0.67
## IQR 0.91
## CV 0.38
## Skewness -0.46
## SE.Skewness 0.06
## Kurtosis -0.04
## N.Valid 1659.00
## Pct.Valid 97.02Create the normative table
normative_table <- items_complete %>%
summarise_at(vars(fator_dogmatismo_m, fator_individualismo_m, fator_autoritarismo_m,
fator_participacao_m, fator_tolerancia_m, fator_cidadania_m,
fator_media_cultura_democracia_m,fator_media_cultura_autoritaria_m,
fator_media_total),
~quantile(., probs = c(seq(from = 0.00, to = 1, by = 0.01)), na.rm=T)) %>%
mutate(percentil = seq(0.00, 1, by = 0.01))%>%
mutate(classificacao = case_when(
percentil < 0.05 ~ "Muito inferior",
percentil < 0.1 ~ "inferior",
percentil < 0.3 ~ "medio inferior",
percentil < 0.71 ~ "medio",
percentil < 0.91 ~ "medio superior",
percentil < 0.96 ~ "Superior",
TRUE ~ "Muito superior"
)) %>%
mutate_if(is.numeric, round,2) %>%
select(classificacao, percentil, everything())Report the normative table
normative_table %>% DT::datatable(.,
options = list(#dom = 't', #keep as simplest possible
filter = 'top', #filter on the top
pageLength = 100, ## entries by page
lengthChange = FALSE, #don't show page length
searching = FALSE, dom = 'ft')) #disable search boxAdd these percentiles and classifications to each score
I have to remember that I’ll filter .imp = 0 (just to make eveything easier!)
inserir_dados_normativos <- function(fator){
fator <- enquo(fator) #put the factor into quotes
percentil_fator <- paste0("percentil_",rlang::quo_name(fator)) #to mutate
varname_class <- paste0("classificacao_",rlang::quo_name(fator)) #to mutate
percentil_calculado <- left_join(items_complete %>%
select(!!fator),
normative_table %>%
select(!!fator, percentil, classificacao)) %>%
group_by(!!fator) %>%
summarise_all(last) %>%
mutate(!!percentil_fator := if_else(is.na(percentil), lag(percentil), percentil)) %>% #first lag
mutate(!!percentil_fator := if_else(is.na(percentil), lag(percentil), percentil)) %>% #second lag
mutate(!!percentil_fator := if_else(is.na(percentil), lag(percentil), percentil)) %>% #third lag
mutate(!!varname_class := if_else(is.na(classificacao), lag(classificacao), classificacao)) %>% #first lag
mutate(!!varname_class := if_else(is.na(classificacao), lag(classificacao), classificacao)) %>% #second lag
mutate(!!varname_class := if_else(is.na(classificacao), lag(classificacao), classificacao))
#add to main data
items_complete <<- left_join(items_complete, percentil_calculado) %>%
select(-percentil, -classificacao)
}Insert to dataset!!! I’ve did that already on october 1, don’t do it again!
inserir_dados_normativos(fator = fator_dogmatismo_m)
inserir_dados_normativos(fator = fator_individualismo_m)
inserir_dados_normativos(fator = fator_autoritarismo_m)
inserir_dados_normativos(fator = fator_participacao_m)
inserir_dados_normativos(fator = fator_tolerancia_m)
inserir_dados_normativos(fator = fator_cidadania_m)
inserir_dados_normativos(fator = fator_media_cultura_democracia_m)
inserir_dados_normativos(fator = fator_media_cultura_autoritaria_m)
inserir_dados_normativos(fator = fator_media_total)Just checking
items_complete %>% select(fator_dogmatismo_m, percentil_fator_dogmatismo_m) %>% head(10)## fator_dogmatismo_m percentil_fator_dogmatismo_m
## 1 1.6 0.35
## 2 3.5 0.96
## 3 2.5 0.77
## 4 NA 1.00
## 5 2.1 0.65
## 6 1.9 0.57
## 7 2.0 0.63
## 8 1.7 0.44
## 9 1.5 0.26
## 10 1.7 0.44items_complete %>% select(fator_individualismo_m, percentil_fator_individualismo_m) %>% head(10)## fator_individualismo_m percentil_fator_individualismo_m
## 1 1.62 0.33
## 2 2.50 0.80
## 3 1.12 0.06
## 4 NA 1.00
## 5 1.62 0.33
## 6 1.62 0.33
## 7 1.38 0.15
## 8 1.38 0.15
## 9 1.00 0.00
## 10 2.25 0.71items_complete %>% select(fator_autoritarismo_m, percentil_fator_autoritarismo_m) %>% head(10)## fator_autoritarismo_m percentil_fator_autoritarismo_m
## 1 2.83 0.75
## 2 3.33 0.91
## 3 3.00 0.83
## 4 NA 1.00
## 5 1.50 0.16
## 6 3.17 0.87
## 7 2.67 0.69
## 8 1.67 0.24
## 9 1.83 0.31
## 10 2.17 0.46items_complete %>% select(fator_participacao_m, percentil_fator_participacao_m) %>% head(10)## fator_participacao_m percentil_fator_participacao_m
## 1 3.54 0.17
## 2 3.85 0.32
## 3 3.85 0.32
## 4 NA 1.00
## 5 4.00 0.44
## 6 4.23 0.60
## 7 4.23 0.60
## 8 4.54 0.86
## 9 4.69 0.96
## 10 4.46 0.80items_complete %>% select(fator_tolerancia_m, percentil_fator_tolerancia_m) %>% head(10)## fator_tolerancia_m percentil_fator_tolerancia_m
## 1 4.50 0.47
## 2 4.75 0.77
## 3 4.58 0.55
## 4 NA 1.00
## 5 4.50 0.47
## 6 4.83 0.85
## 7 4.83 0.85
## 8 4.83 0.85
## 9 4.83 0.85
## 10 4.75 0.77items_complete %>% select(fator_cidadania_m, percentil_fator_cidadania_m) %>% head(10)## fator_cidadania_m percentil_fator_cidadania_m
## 1 2.89 0.09
## 2 4.56 0.84
## 3 4.33 0.72
## 4 NA 1.00
## 5 3.22 0.22
## 6 4.56 0.84
## 7 3.11 0.17
## 8 4.33 0.72
## 9 4.56 0.84
## 10 3.89 0.53items_complete %>% select(fator_media_cultura_democracia_m, percentil_fator_media_cultura_democracia_m) %>% head(10)## fator_media_cultura_democracia_m percentil_fator_media_cultura_democracia_m
## 1 3.64 0.12
## 2 4.38 0.69
## 3 4.25 0.59
## 4 NA 1.00
## 5 3.91 0.28
## 6 4.54 0.84
## 7 4.06 0.43
## 8 4.57 0.88
## 9 4.69 0.96
## 10 4.37 0.68items_complete %>% select(fator_media_cultura_autoritaria_m, percentil_fator_media_cultura_autoritaria_m) %>% head(10)## fator_media_cultura_autoritaria_m
## 1 2.02
## 2 3.11
## 3 2.21
## 4 NA
## 5 1.74
## 6 2.23
## 7 2.01
## 8 1.58
## 9 1.44
## 10 2.04
## percentil_fator_media_cultura_autoritaria_m
## 1 0.44
## 2 0.96
## 3 0.60
## 4 1.00
## 5 0.19
## 6 0.63
## 7 0.42
## 8 0.10
## 9 NA
## 10 0.46items_complete %>% select(fator_media_total, percentil_fator_media_total, classificacao_fator_media_total) %>% head(10)## fator_media_total percentil_fator_media_total
## 1 1.62 0.28
## 2 1.27 0.18
## 3 2.05 0.50
## 4 NA 1.00
## 5 2.17 NA
## 6 2.31 0.63
## 7 2.04 0.50
## 8 2.99 0.92
## 9 3.25 NA
## 10 2.33 0.64
## classificacao_fator_media_total
## 1 medio inferior
## 2 medio inferior
## 3 medio
## 4 Muito superior
## 5 <NA>
## 6 medio
## 7 medio
## 8 Superior
## 9 <NA>
## 10 medioPlots
items_complete %>%
filter(.imp >0) %>% #don't use the first dataset
select(starts_with("fator") & ends_with("m")) %>%
select(-contains("media")) %>%
pivot_longer(everything()) %>%
mutate_at(vars(name), ~str_remove_all(., "fator_")) %>%
mutate_at(vars(name), ~str_remove_all(., "_m")) %>%
mutate(name= Hmisc::capitalize(name)) %>% #capitalize first letter
mutate(name = fct_reorder(name, value)) %>% #reorder based on values
ggplot(., aes(name, value)) + geom_boxplot() +
labs(x="", y = "", title = "") +
theme_bw()
ggplot(na.omit(items_complete), aes(sex, fator_media_total)) + geom_boxplot()
ggplot(na.omit(items_complete), aes(age,fator_media_total)) + geom_jitter() + geom_smooth(method = "lm")## `geom_smooth()` using formula 'y ~ x'
#mplus
items_original_mplus <- items_original %>% mutate_all(.,~replace_na(.,999))
write.table(items_original_mplus,"items_original_mplus.dat", sep=",", col.names=FALSE, row.names = F)14.1 Dados originais
as.data.frame(unclass(fit_fa_original$loadings)) %>%
data.frame() %>%
setNames(paste0("X", seq_along(.) - 1)) %>% #get specific names
mutate(count = rowSums(. >= 0.3 | . <= -0.3)) %>% #count crossloadings
rownames_to_column("item") %>%
left_join(., banco_de_itens %>% mutate(item = paste(str_remove(item, "y"))), by ="item") %>%
select(item, conteudo, everything()) %>%
filter(count == 1) %>% #remove cross loadings
arrange(desc(abs(X0)), desc(abs(X1)))%>%
mutate_if(is.numeric, round, 3) %>%
DT::datatable(.,
options = list(#dom = 't', #keep as simplest possible
filter = 'top', #filter on the top
pageLength = 100, ## entries by page
lengthChange = FALSE, #don't show page length
searching = FALSE)) #disable search boxDone!