-
Notifications
You must be signed in to change notification settings - Fork 0
/
Análisis descriptivos.R
121 lines (86 loc) · 3.37 KB
/
Análisis descriptivos.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
################################################################################
# #
# DECIPTIVOS DE METODOLOGÍA GENERAL #
# #
################################################################################
#Media Aritmetica
x <- c(12,25,30,12,26,17,23,10,35,20,10,42,23,18) #vector numerico
sum(x)
length(x)
sum(x)/length(x) # la edad promedio es de 25 a?os
mean(x) # una funcion donde obtenemos la media mas rapido
#Mediana
median(x) # percentil 50, o su mediana es de 23
#varianza
var(x)
#desviacion estandar
sd(x)
# dentro del rando de 12-31 se encuentra el 65% de la data
#coeficiente de variacion CV
round(100*sd(x)/mean(x), 2)
#aplicarlo a auna base de datos de iris
install.packages("tidyverse")
library(tidyverse)
data <- iris
view(iris)
head(iris)
names(iris)
#media de la longitud y anchura de los sepalos y petalos de las rosas por tipo
#de especie
tapply(data$Sepal.Length, INDEX = data$Species, FUN=mean)
tapply(data$Petal.Length, INDEX = data$Species, FUN=mean)
tapply(data$Petal.Width, INDEX = data$Species, FUN=mean)
################################################################################
# #
# DECIPTIVOS DE METODOLOGÍA DE RESPUESTA AL ÍTEM #
# #
################################################################################
#DECLARAR IPAK
ipak <- function(pkg){
new.pkg <- pkg[!(pkg %in% installed.packages()[, "Package"])]
if (length(new.pkg))
install.packages(new.pkg, dependencies = TRUE)
sapply(pkg, require, character.only = TRUE)
}
#CARGAR IPAK
package <- c("parameters","apa","haven","ggplot2","ggpubr","gridExtra","apaTables", "reshape", "GPArotation", "mvtnorm", "psych", "psychometric", "lavaan", "nFactors", "semPlot", "MVN", "semTools")
ipak(package)
#PACMAN
pacman::p_load(tidyverse, lavaan, semPlot)
library(pacman)
#LIBRERIAS
library(psych)
library(dplyr)
da <- DATA
names(da)
# METODO 1
#Policórica
General <- data.frame(select(da, IB1, IB2, IB3, IB4, IB5, IB6, IB7, IB8, IB9, IB10,
IB11, IB12, IB13, IB14))
General <- data.frame(select(da, IB1:IB14))
describe(General)
#Tetracórica
General_tetra <- polychoric(General)
describe(General_tetra)
#Confaibilidad básica de los descriptivos TETRACORICOS
alphagen1<-psych::alpha(General, check.keys = TRUE)
alphagen1
#Confaibilidad básica de los descriptivos POLICORICOS
alphagen2<- psych::alpha(General_poly$rho, check.keys = TRUE)
alphagen2
# METODO 2
Desc2 <- psych::describe(select(da, IB1:IB14))
Desc2
write.csv(Desc2, file="Descriptivos.csv")
# METODO 3
#DESCRIBIMOS Y ANALIZAMOS UNA DE LAS VARIABLES
Desc3 <- as.data.frame(psych::describe(select(da, IB1:IB14))) %>%
round(3) %>%
select(-trimmed, -mad, -vars) %>%
relocate(min, max, range, .before = mean) %>%
relocate(median, .after = mean) %>%
relocate(sd, .before = se)
ex <- as.matrix(Desc3)
write.csv(Desc3, file="Descriptivos.csv")
library(stargazer)
stargazer(ex, type = "html", out = "Desc3.html")