#####################################################################
#####################################################################
#山田剛史・村井潤一郎（2004）よくわかる心理統計 ミネルヴァ書房 
#I なぜ心理学に統計が？
#####################################################################
#####################################################################
source("http://blue.zero.jp/yokumura/R/testtheory/ctt.R")
library(doBy)
library(vcd)

#-----------------------------------------#
#(1) 平均を出してみよう p.8 
#-----------------------------------------#
tab121 <- read.table("http://blue.zero.jp/yokumura/Rseminar/yamada/tab121.csv", header=T, sep=",")   #データの読み込み 
tab121
tab121$sex                                              #水準が，女，男になっているため
factor(tab121$sex, levels=c("男", "女"))                #男，女に変更
tab121$sex <- factor(tab121$sex, levels=c("男", "女"))  #変更を保存 
summaryBy(affect ~ sex, data=tab121, FUN=mean)          #男女別平均値 
#summaryBy(formula=式，data=データ, FUN = 関数)
#でグループごとに計算
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~



#-----------------------------------------#
#(2) 1つの量的変数についてまとめたいとき。p.12 
#-----------------------------------------#
tab121
summaryBy(affect ~ sex, data=tab121, FUN=c(mean, svar, ssd))  #男女別平均値，分散，標準偏差 
                                                              #svar, ssdは，標本分散，標本標準偏差の関数を独自に定義


#-----------------------------------------#
#(3) 同じ人たちに対して測定された2つの得点を比較したいとき。p.13 
#-----------------------------------------#
tab142 <- read.table("http://blue.zero.jp/yokumura/Rseminar/yamada/tab142.csv", header=T, sep=",")   #データの読み込み 
tab142
tab142[, 2:3]                                           #数字の部分だけを選択 
apply(tab142[, 2:3], 2, mean)
apply(tab142[, 2:3], 2, ssd)
apply(tab142[, 2:3], 2, standardize, mean=0, sd=1)      #standardizeは，標準化の関数を独自に定義
#apply(X, 2, 関数) 
#で列ごとに関数を適用する
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~



#-----------------------------------------#
#(4) 2つの量的変数の間の関係を調べたいとき。p.14
#-----------------------------------------#
tab142
plot(lonely ~ affect, data=tab142)                      #図1.4.1
graphics.off()                                          #図を閉じる 
cor.test(~ lonely + affect, data=tab142)                #相関係数の検定 
#plot(y軸の変数名 ~ x軸の変数名, data=データ) 
#で散布図を描画
# 
#cor.test(~ u + v, data=データ)
#で相関係数の検定。ただし，uとvは，量的変数であること。 
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~



#-----------------------------------------#
#(5) 2つの質的変数間の連関を調べたいとき。p.15
#-----------------------------------------#
tab145 <- read.table("http://blue.zero.jp/yokumura/Rseminar/yamada/tab145.csv", header=T, sep=",")
tab145
tab145$sex                                              #水準が，女，男になっているため
factor(tab145$sex, levels=c("男", "女"))                #男，女に変更
tab145$sex <- factor(tab145$sex, levels=c("男", "女"))  #変更を保存 

tab146 <- xtabs(~sex+smoke, data=tab145)                #クロス集計
tab146
table2d_summary(tab146)                                 #クロス表の周辺度数
assocstats(tab146)                                      #クロス表の検定 
#xtabs(~ 質的変数 + 質的変数, data=データ)
#でクロス集計
# 
#table2d_summary(クロス集計)
#でクロス表の周辺度数などを算出
#
#assocstats(クロス集計)
#でクロス表の検定結果を算出 
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~



#-----------------------------------------#
#(6) より大きな集団へ一般化したいとき。
#    特に，2つのグループの平均を比較したいとき。p.16
#-----------------------------------------#
tab121
summaryBy(affect ~ sex, data=tab121, FUN=c(mean, svar))
t.test(affect ~ sex, data=tab121, var.equal=T)               #t検定 
#t.test(量的変数 ~ 質的変数, data=データ, var.equal=T)
#でt検定の結果を算出 
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~



#-----------------------------------------#
#(7) より大きな集団へ一般化したいとき。
#    特に，3つ以上のグループの平均を比較したいとき。p.17
#-----------------------------------------#
tab149 <- read.table("http://blue.zero.jp/yokumura/Rseminar/yamada/tab149.csv", header=T, sep=",")
tab149
tab149$lover
factor(tab149$lover, levels=c("恋人あり", "片思い中", "恋人なし"))
tab149$lover <- factor(tab149$lover, levels=c("恋人あり", "片思い中", "恋人なし"))

summaryBy(affect ~ lover, data=tab149, FUN=mean)
aov.tab149 <- aov(affect ~ lover, data=tab149)
aov.tab149
summary(aov.tab149)                                   #分散分析表 
#aov(量的変数 ~ 質的変数, data=データ)
#で分散分析の結果を算出
#
#summary(分散分析の結果)
#で分散分析の結果を分散分析表に纏める 
#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~