library(readxl)
library(tidyverse)
library(plotly)
library(psych)
library(stargazer)
library(reshape2)
library(corrplot)
data <- read_excel("F:/Vida acadêmica/Disciplinas/Metodologia de Pesquisa Experimental/Marca Rugby/Dados/finais/string_excel.xlsx")
attach(data)
# Recoding variáveis invertidas
data$D2 <- 5 - D2 + 1
data$D5 <- 5 - D5 + 1
data$D6 <- 5 - D6 + 1
data$I2 <- 5 - I2 + 1
data$I4 <- 5 - I4 + 1
data$I7 <- 5 - I7 + 1
data$R3 <- 5 - R3 + 1
data$R6 <- 5 - R6 + 1
data$S4 <- 5 - S4 + 1
data$S6 <- 5 - S6 + 1
data$missing <- rowSums(data[,c(4:38)])
data <- data %>% filter(missing > 1) # 27 casos tiveram que ser removidos da amostra
### Descrição da amostra
# Gênero
data$Genero[is.na(data$Genero)] <- 'Não informado'
data$Genero <- factor(data$Genero)
tab <- table(data$Genero)
plot_ly(data,
values = tab,
type = 'pie', textposition = "inside",
textinfo = 'percent+value',
labels = c("Masculino", "Feminino", "Não Informado")) %>% layout(title="Gênero")
# Tempo de prática
describe(Tempo_Pratica)
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 79 7.15 3.71 6 6.92 2.97 1 16 15 0.56 -0.57 0.42
data %>% ggplot(aes(y = Tempo_Pratica, fill = 'red')) +
geom_boxplot() +
labs(y = 'Tempo de Prática do Rugby', x = '') +
scale_x_discrete(labels = NULL, breaks = NULL) + labs(x = "") +
guides(fill = F) +
theme_bw()
# Idade
describe(Idade)
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 79 28.8 6.51 29 28.71 5.93 17 44 27 0.04 -0.52 0.73
data %>% ggplot(aes(y = Idade, fill = 'red')) +
geom_boxplot() +
labs(y = 'Tempo de Prática do Rugby', x = '') +
scale_x_discrete(labels = NULL, breaks = NULL) + labs(x = "") +
guides(fill = F) +
theme_bw()
# Remuneração
tab2 <- table(Remuneracao)
plot_ly(data,
values = tab2,
type = 'pie', textposition = "inside",
textinfo = 'percent+value',
labels = c("Não", "Sim")) %>% layout(title="Remuneração do Rugby")
# NÃvel de relação com o esporte
tab3 <- table(Nivel_Relacao)
plot_ly(data,
values = tab3,
type = 'pie', textposition = "inside",
textinfo = 'percent+value',
labels = c("Amador", "Entusiasta", 'Outro', 'Profissional')) %>% layout(title="NÃvel de relação com o Rugby")
# Paixão
Paixao <- as.data.frame(data[,c(4:10)])
stargazer(Paixao, summary = T, type = 'text', title = "EstatÃsticas descritivas Paixão")
##
## EstatÃsticas descritivas Paixão
## =====================================================
## Statistic N Mean St. Dev. Min Pctl(25) Pctl(75) Max
## -----------------------------------------------------
## P1 82 4.829 0.410 3 5 5 5
## P2 82 4.854 0.389 3 5 5 5
## P3 82 4.854 0.389 3 5 5 5
## P4 82 4.598 0.563 3 4 5 5
## P5 82 4.598 0.541 3 4 5 5
## P6 82 4.134 0.828 2 4 5 5
## P7 82 3.768 0.972 1 3 5 5
## -----------------------------------------------------
Paixao$Id <- seq(1:82)
Paixao_long <- melt(Paixao, id.vars = c("Id"))
colnames(Paixao_long) <- c("id", "Item", "Response")
ggplot(Paixao_long, aes(x = Response, fill = Item)) +
geom_histogram(bins = 10, show.legend = F)+
facet_wrap(~Item)+
theme_bw()
ggplot(Paixao_long, aes(x = Response, fill = Item))+
geom_density(show.legend = F)+
facet_wrap(~Item)+
theme_bw()
# Integridade
Integridade <- as.data.frame(data[,c(11:17)])
stargazer(Integridade, summary = T, type = 'text', title = "EstatÃsticas descritivas Integridade")
##
## EstatÃsticas descritivas Integridade
## =====================================================
## Statistic N Mean St. Dev. Min Pctl(25) Pctl(75) Max
## -----------------------------------------------------
## I1 82 4.451 0.705 2 4 5 5
## I2 82 4.122 0.807 2 4 5 5
## I3 82 4.646 0.553 3 4 5 5
## I4 82 4.512 0.835 1 4 5 5
## I5 82 4.073 0.681 2 4 4.8 5
## I6 82 4.390 0.797 1 4 5 5
## I7 82 4.207 0.842 1 4 5 5
## -----------------------------------------------------
Integridade$Id <- seq(1:82)
Integridade_long <- melt(Integridade, id.vars = c("Id"))
colnames(Integridade_long) <- c("id", "Item", "Response")
ggplot(Integridade_long, aes(x = Response, fill = Item)) +
geom_histogram(bins = 10, show.legend = F)+
facet_wrap(~Item)+
theme_bw()
ggplot(Integridade_long, aes(x = Response, fill = Item))+
geom_density(show.legend = F)+
facet_wrap(~Item)+
theme_bw()
# Respeito
Respeito <- as.data.frame(data[,c(18:24)])
stargazer(Respeito, summary = T, type = 'text', title = "EstatÃsticas descritivas Respeito")
##
## EstatÃsticas descritivas Respeito
## =====================================================
## Statistic N Mean St. Dev. Min Pctl(25) Pctl(75) Max
## -----------------------------------------------------
## R1 82 4.451 0.612 3 4 5 5
## R2 82 4.293 0.676 2 4 5 5
## R3 82 3.500 0.997 1 3 4 5
## R4 82 4.549 0.570 3 4 5 5
## R5 82 4.256 0.814 2 4 5 5
## R6 82 4.171 1.040 1 4 5 5
## R7 82 4.476 0.633 3 4 5 5
## -----------------------------------------------------
Respeito$Id <- seq(1:82)
Respeito_long <- melt(Respeito, id.vars = c("Id"))
colnames(Respeito_long) <- c("id", "Item", "Response")
ggplot(Respeito_long, aes(x = Response, fill = Item)) +
geom_histogram(bins = 10, show.legend = F)+
facet_wrap(~Item)+
theme_bw()
ggplot(Respeito_long, aes(x = Response, fill = Item))+
geom_density(show.legend = F)+
facet_wrap(~Item)+
theme_bw()
# Disciplina
Disciplina <- as.data.frame(data[,c(25:31)])
stargazer(Disciplina, summary = T, type = 'text', title = "EstatÃsticas descritivas Disciplina")
##
## EstatÃsticas descritivas Disciplina
## =====================================================
## Statistic N Mean St. Dev. Min Pctl(25) Pctl(75) Max
## -----------------------------------------------------
## D1 82 3.537 0.892 1 3 4 5
## D2 82 3.293 0.962 1 3 4 5
## D3 82 3.476 0.984 1 3 4 5
## D4 82 3.695 0.990 1 3 4 5
## D5 82 3.976 0.816 2 4 4.8 5
## D6 82 4.195 0.744 1 4 5 5
## D7 82 3.598 0.914 1 3 4 5
## -----------------------------------------------------
Disciplina$Id <- seq(1:82)
Disciplina_long <- melt(Disciplina, id.vars = c("Id"))
colnames(Disciplina_long) <- c("id", "Item", "Response")
ggplot(Disciplina_long, aes(x = Response, fill = Item)) +
geom_histogram(bins = 10, show.legend = F)+
facet_wrap(~Item)+
theme_bw()
ggplot(Disciplina_long, aes(x = Response, fill = Item))+
geom_density(show.legend = F)+
facet_wrap(~Item)+
theme_bw()
# Solidariedade
Solidariedade <- as.data.frame(data[,c(32:38)])
stargazer(Solidariedade, summary = T, type = 'text', title = "EstatÃsticas descritivas Disciplina")
##
## EstatÃsticas descritivas Disciplina
## =====================================================
## Statistic N Mean St. Dev. Min Pctl(25) Pctl(75) Max
## -----------------------------------------------------
## S1 82 3.793 0.813 1 3 4 5
## S2 82 4.268 0.668 2 4 5 5
## S3 82 4.268 0.721 1 4 5 5
## S4 82 4.085 1.102 1 4 5 5
## S5 82 4.061 0.791 2 4 5 5
## S6 82 4.329 0.817 1 4 5 5
## S7 82 4.451 0.669 2 4 5 5
## -----------------------------------------------------
Solidariedade$Id <- seq(1:82)
Solidariedade_long <- melt(Solidariedade, id.vars = c("Id"))
colnames(Solidariedade_long) <- c("id", "Item", "Response")
ggplot(Solidariedade_long, aes(x = Response, fill = Item)) +
geom_histogram(bins = 10, show.legend = F)+
facet_wrap(~Item)+
theme_bw()
ggplot(Solidariedade_long, aes(x = Response, fill = Item))+
geom_density(show.legend = F)+
facet_wrap(~Item)+
theme_bw()
# Recodificação do one-hot-encoding
data$Forte[is.na(data$Forte)] <- 0
data$Fraca[is.na(data$Fraca)] <- 0
data$Controle[is.na(data$Controle)] <- 0
grupo <- as.data.frame(as.numeric(data$Forte))
grupo$Fraca <- as.numeric(data$Fraca)
grupo$Controle <- as.numeric(data$Controle)
colnames(grupo) <- c('Forte', 'Fraca', 'Controle')
inds <- which(rowSums(grupo) == 1)
grupo$grupo <- toupper(names(grupo)[max.col(grupo)])
data <- cbind(data, grupo$grupo)
colnames(data)[50] <- 'Condição'
## Correlações
CorMat <- cor(as.matrix(data[,c(4:38)]))
corrplot(CorMat,order="hclust",type="upper",method="ellipse",
tl.pos = "lt", tl.cex = 0.8)
corrplot(CorMat,
order="original",
type="lower",
method="shade",
diag = FALSE,
tl.cex = 0.8,
title = 'Matriz de Correlação',
tl.col = "black",
tl.offset = 0.5,
mar = c(0, 0, 2, 0))
