1 Management Research Method tchou@home.swjtu.edu.cn a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13  a14a15 a16a17 a18a20a19 a21a22 a23a24 a25 a26a27 a28a30a29 a31a27 a28a32 a33a34 a18a36a35 a37a38 a39a40 a41a42 a43a44 a45a46 a47a48 a49 a18 a21a50 a32 a51 a52 a47a53 a54a40 a41a55 a56 a57a58 a49 a59 a60a62a61 a37a38 a39 a63a64 a46 a47a48 a49 a18 a21a50 a32 a65a66 a67 a68a69 a55 a47a53 a49a70 a71a73a72  a74a75 a38 a76a77 a29 a15 a16a78 a55 a79a80 a81a82 a47a64 a83 a84 a85 a47a53 a29 a34 a80 a81 a86a69 a87a88 a89a90 a91 a84 a85 a47a53 a72 a18 a76 a79a92 a37 a63a64 a93 a94a95 a84 a85a96 a97 a98 a21a99 a84 a85 a91a100 a78 a55 a29 a34 a80 a81 a39 a63a101 a102a103 a71 a104a46 a105 a91 a84 a85a106 a107a100 a108 a72  a15 a16a109 a110a50 a32 a38 a111 a56 a84 a85 a47a53 a91a112 a113 a29 a37a38 a111a114 a84 a85 a47a53 a115a34 a50 a116 a72  a14a15 a16 a117a118 a119 a71 a120a53 a121a122 a123 a124 a97 a98a69 a55 a23 a125 a29 a126a127 a128a129 a130 a19 a131 a132a53 a133a134 a123 a124 a130 a21a96 a113a135 a119 a71 a29 a136a134 a137a138 a139a140 a141a69 a55 a70 a71a112 a113 a72 a34 a142a46 a143a129 a144 a18 a21 a37a69 a55 a123 a124 a49a145 a146 a29 a147a15 a76 a128a148 a149a150 a151 SPSS a152 a23 a125 a84 a85a153 a154 a72 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13  a155 a156a157 a158 a159 a160a161 a162a163 a164 a158 a165 a166a168a167 a165 a166a169 a170 a171 a167 a172a173 a159a174 a175 a165 a155 a156a157 a158 a159  a176a177 a178a179 a180 a181a182 a183 a184a185 a186a187 (50%) a188 + a183a177 a189 a180a190 (50%) a188  a184a185 a186a187 a182 a183 a191 a192 a193a194 a188 a167 a192a195 a196a197 a169 a198a199a167 a200a201 a202 a203a204 a205 a206 a158 a207a208 a209 a210a211 a193a194 a203 a156a212a167 a203 a156 a169 a213 a209 a214a215 a216 a217a169 a218 a203a220a219  a177 a189 a180a190 a221a222 a223a224 a225a182 a210a226 a227a228 a196a229 a221a230 a231 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13  a232 a233a234 a235a236 a237 a238a239 a240 a241a242 a238a243 a244 a245a246 a247a249a248 a250a251 a252 email a253a254 a255a0 a1a3a2 a4a5 a6 a7a8 a9a10 a9 a11a12 a13a14 a15a16a2  a17 a18a19 a20a21 a22 a248 a23 a24a25 a26a21 a6 a7a27 a4a5 ( a28a29 a30 a31 ) a2  a234 a246 a32a33 a18a34 a35 a36a37 a38a39 a244 a245a40 a41a42 a43a242 a248 a44a45 a46a47 a48 a49a51a50  a84 a85a52 a53 a54a54 a49a55 a56a57 a58  a59a60 a61a62 a55 a56 a63a69 a64 a65a66 a64 a139a138 a64 a54 a67a68  a55 a56 a69a70 a111a71 a72 a57a58 a73a74 a75 a87a76 a77 a84 a85 a49 a78 a56  a55 a56 a69a70 a79a80 a72 a84 a85 a57a58 a73a74 a75  a55 a56 a81 a69a70 a82a83 a72a76 a84a85 a71 a49 a84 a85a78 a55  a55 a56 a86a87 a21a99 a88 a89 a69a70 a90 a72a76 a91 a71 a49 a59a60 2 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ( )  a64 a83 a84 a85a0 a14a1 a2  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a6 a7 a84 a85a153 a154 )  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a84 a85a78 a55 )  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a8a9 a84 a85a10 a11 )  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a102a12 a54 a23 a125 )  a13 a78 a56a69 a55 a23 a125 (R)  a13 a78 a56a69 a55 a23 a125 (Excel, SPSS)  a14 a111 a54a0 a15 a16 a17a69 a55 (R)  a0 a15 a16 a17a69 a55 (Excel, SPSS)  a18a19 a20a19 a14 a111  a102a12 a84 a85 a54a69 a55 a23 a125 a47a53  a102a12 a21a22 a23a24 a25 a125 (I)  a102a12 a21a22 a23a24 a25 a125 (II)  a102a12 a21a22 a23a24 a25 a125 (III)  a51 a52 a23 a125a26 a154 ( a0 a14a27 a2 )  a51 a52 a23 a125a26 a154 ( a97 a28a153 a154 )  a29 a30a31 a32 a76a77 a29 a128a92 a37 a33a34 a22 a35 a17 a59 a97 a98 a25 a125 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ( )  a64 a83 a84 a85a0 a14a1 a2  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a6 a7 a84 a85a153 a154 )  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a84 a85a78 a55 )  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a8a9 a84 a85a10 a11 )  a64 a83 a84 a85 a49 a43 a3a4 a5 ( a102a12 a54 a23 a125 )  a13 a78 a56a69 a55 a23 a125 (R)  a13 a78 a56a69 a55 a23 a125 (Excel, SPSS)  a14 a111 a54a0 a15 a16 a17a69 a55 (R)  a0 a15 a16 a17a69 a55 (Excel, SPSS)  a18a19 a20a19 a14 a111  a102a12 a84 a85 a54a69 a55 a23 a125 a47a53  a102a12 a21a22 a23a24 a25 a125 (I)  a102a12 a21a22 a23a24 a25 a125 (II)  a102a12 a21a22 a23a24 a25 a125 (III)  a36 a37 a23 a125 a54a38 a39 a23 a125a26 a154  a40 a41 a47 a16 a57a42 a0 a15  a29 a30a31 a32 a76a77 a29 a128a92 a37 a33a34 a22 a35 a17 a59 a97 a98 a25 a125 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13  a43 a44 a45 a46a169 a47 a48 a49 a209a50  a43 a44 a45 a46a169 a47 a231 a51a52 a53a54 a163 a211 a55 a192  a43 a44 a45 a46a169 a47 a231 a51a56 a57a58 a59a211 a60a61 a196 a62  a43 a44 a45 a46 a47 a63 a45 a46 a55 a192a211 a64 a65 a66a67  a43 a44 a45 a46 a47 a63 a45 a46 a63 a68a211 a69 a70a71 a226  a43 a44 a45 a46a211 a72 a56 a216 a73 a231 a51 a57 a74a208 a75a71 a211 a54 a68  a43 a44 a45 a46a211 a72 a56 a216 a73 a231 a51a76 a77 a78a79 a211 a80 a81 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13  a82a83 a84 a85a86 a87 a55 a192  a69 a88a89 a206 a45 a46 a90 a91  a92 a56 a163 a93a94  a244 a245a95 a96a97 a98a99 a248 a23 a100 a15 a101 a102a103  a102a104 a105a106 a248 a107 a107a108 a109 a248 a23 a100 a103 a110 a111a112  a113a114 a115a108 a248 a116a117 a48a118 a111a119  a120 a56 a121a122 a123  a124 a125a126 a127 a248 a104 a128a251 a129 a248 a130 a131a132 a133  a134a236 a104 a49a135 a136 a248 a137a138 a139a140 a248 a141 a142 a17 a143 3 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 !"# $ %# $ %# $ %# $ %# $ %# $ %# $ %# $ %  a0 a121a1 a185 a45 a46a2 a184a185 a3 a4 a167 a51a5 a92 a45 a46a6 a7  a8a9 a10 a207a208 a163 a11 a231a9 a12a2 a13a94 a167 a14a201 a15a16 a85a17  a13a94 a18 a19a2 a45 a46 a120a56 a167 a20 a18 a57a94 a21 a20 a18 a22  a208 a163 a72 a56 a167 a23a163 a16 a24 a57a94 ( a13a94 ) a25 a26 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 !"# $ %# $ %# $ %# $ %# $ %# $ %# $ %# $ % a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 !"# $ %# $ %# $ %# $ %# $ %# $ %# $ %# $ % a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 !"# $ %# $ %# $ %# $ %# $ %# $ %# $ %# $ % 4 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 !"# $ %# $ %# $ %# $ %# $ %# $ %# $ %# $ % a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 & ’& ’& ’& ’ () & ’& ’& ’& ’ a0 a1a2 a3 a4 a5a6 a7 a8a9 a10 a11 a12 a13a14 a15a16 a8a9 a10a17 a18 a13a19 a20a16 a17 a18a22a21 a23 a17 a18a25a24 a26 a17 a18a25a27 a28 a29 a7 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 & ’& ’& ’& ’ ()& ’& ’& ’& ’  a44 a45a46 a47a48 a49a50 a51  a52a48 a49a50 a51 a53a54 a55a48 a49a56 a57a58 a59a60  a61a46 a48 a49a62 a63a64 a48 a49a65 a66  a67a68 a64 a53a54 a48 a49 a69 a70  a45a71 a48 a49 a69 a70 a72 a73a74 a64 a75a74  a76 a77a78 a79a48 a49  a80a81 a82 a83a84 a85 a86 a87a64 a88a89 a84 a90  a91a92 a48 a49a84 a90a64 a48 a49a50 a51 a72a93 a94 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 * + , * + ,* + ,* + , - .- .- .- .* + ,* + ,* + ,* + , - .- .- .- .  a95a96 a97a98 ( a99 a100a101 a102 a103 Larson a104a105 )  a106a107 a108a109 a110 a111 a112a113 a114a115 a116 ( a117a118 a119a120 a112a121 a122a123 a111 a124a118 a112a125 a126 a127a129a128 a130 )  a111 a106a107 a131a132 a133 a134a135 a113 a114a136 a137a138 a132 a139 a140 a112a141 a142  a106a107 a143 a144a145 a146a147 a106 a148a149 a150a151  a152 a153 a97a98 ( a154 a155a156 a157 a158a159 a160 a104a105 )  a161a118 a162a164a163 a161a165 a166  a109 a167 a110 a161 a112a168 a126  a169a170 a110 a171 a117 a172 a131 a112 a161a173 a174  a175 a131a176 a177a178 a179 a177a180 a112 a181a182  a183 a184a185 a186a187  a132 a107 a188a189 (sense) a150a151 a173 a190 a112a191 a192  a132 a107 a193a194 a138 a132 a173 a190 5 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 & ’& ’& ’& ’ ()& ’& ’& ’& ’  a44 a45a46 a47a48 a49a50 a51  a52a48 a49a50 a51 a53a54 a55a48 a49a56 a57a58 a59a60  a61a46 a48 a49a62 a63a64 a48 a49a65 a66  a67a68 a64 a53a54 a48 a49 a69 a70  a45a71 a48 a49 a69 a70 a72 a73a74 a64 a75a74  a76 a77a78 a79a48 a49  a80a81 a82 a83a84 a85 a86 a87a64 a88a89 a84 a90  a91a92 a48 a49a84 a90a64 a48 a49a50 a51 a72a93 a94 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 /0 1 20 1 20 1 20 1 20 1 20 1 20 1 20 1 2  a0a1  a2a93  a3 a85  a4 a5  a6 a7 A B A BC A B C a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 - .- .- .- . 3 43 43 43 4- .- .- .- . 3 43 43 43 4  a8a9 a10a11 a12 a13a14 a72a15 a16 a17a18 a19 a20 a21  a22a23 a24 a25a26 a27 a28a29 a30a31 a32a33 a34 ?  a35a36 a37a38 a39 a40  a41a42 a39 a40 a43a44 a45a46 a47a48 a49a50 a51 a52 ?  a53a54 a41a42 a55a56 a57a58a60a59 a61 a62a64a63 a65a66 a63 a67 a68a69a63 a70a71  a72 a73 a51a74 a52 a39 a40a75 a50 a51a74 a52 a39 a40a76 a77a78  a72 a73 a51 a70a71 a52 a39 a40a75 a50 a51 a70a71 a52 a39 a40a76 a77a78  a72 a73a50 a51a74 a52 a39 a40a75 a50 a51 a70a71 a52 a39 a40a76 a77a78  a79a80 a81a82 a83 a84a85 a86a87 a88 a89a76 a90a91 a92a93 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 5 # 6 # 6 # 6 # 6 789:;< = >< = >< = >< = > # 6 # 6 # 6 # 6 < = >< = >< = >< = > ? a94a95 a96a97 a98a99 a100 ? a96a101 a102a103 ? a104 a105a106 a107 a108 ? a109a110 a111a112 a113 a114 a115a116 a111a117 a118 ? a115a119 a120a121 ? a122 a115a123 a124 ? a125 a126a127 a128 ? a122a127 a129 a130a131 a132 a115a97 a98 a114 a115 vs. a109a110 a115 a133a134 a135 a136 a137a138 a139 ( a140 a141a142 a143 ) ( a144a142 a143 ) ( a145a142 a143 ) 6 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 - .- .- .- . 3 43 43 43 4- .- .- .- . 3 43 43 43 4  a0 a1 a10a11 a12 a13a14 a72a2 a3 a4 a17 a19 a20 a21  a5 a6 a7a8 a9a10 a29 a11a12 a13a14 a15 a6 a16a17 a18a20a19 a21a22 a23 a24a25 a33 a25 a26 a27 a19 a28 a27 a29 a7a8 a9a10 ?  a53a54 a75 a30a31 a32 a55a33 a34 a35a76 a36a37 a38a39 a57a58a60a59 a40 a79a41 a58 a63 a42 a43a44 a45a69a63 a46a47 a48 a63 a49 a50a51 a52 a43a76 a53a54 a77a55 a56 a56  a72 a73a74 a52a75 a70a71 a52a42 a39 a40a57 a41 a63 a39 a40 a30a31 a58 a59 a48 a63 a60a61 a62a63 a63 a75 a64 a42a44 a45 a56 a57a58 a65a76 a66a78  a83 a84a74 a52 a39 a40a87 a67 a68a76 a30a69  a65a66 a70 a71a72 a44 a45 a92a93 a73a50 a72 a30a31 a70a71 a92a93 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 = ? = ? = ? = ? @AB@C D EC D EC D EC D E F GF GF GF G = ? = ? = ? = ? C D EC D EC D EC D E F GF GF GF G ? a74a75a77a76 a78 a79a80 a81 a76a78 a82 a83 a76a78 a84 a76a78 a85a86 a87 a88 a89a90 a91a92 a93a94 a95a96 a97 a98a99 a100 a101 a102 a100 a101 a103a104 a105 a106a104 a105 a133a134 a135a108a107 a109 a110 a111a138 a139 a112a113 a138 a139 a133a114 a138 a139 a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a30 a31a32a33 a34a35a36a35a36a35a36a35a36 a37a37a37a37a35a35a35a35a38a38a38a38 a39 a40a39 a40a39 a40a39 a40a41a41a41a41a42 a43a42 a43a42 a43a42 a43 - .- .- .- . 3 43 43 43 4- .- .- .- . 3 43 43 43 4  a115a74 a116a117 a72 a118a119 a120 a121a122 a123 a49a124 a125 a126a127 a128a127 a129 a76 a130a131 ? a129 a76 a130a131 a132a133 a134 a135 a123 a128 a129 a76a136 a137 a138a139 a140 a118a119 a141a142 ?  a143a144 a145a146 a27 a29 a7a8 a147 a103 a97a98  a32a148 a149 a70a71 a150a152a151 a153a154 a155 a156 a157a158 a159 a160a161  a162a163 a164a165 a166 a167a168 a151 a153 a169a170 a171 a172a173 a174 a175a176 a177a178 a179a180 a181 a182  a183 a184a185 a186a187 a188 a189a190 a191  a192 a193a195a194 a179a180 a196a197 a194 a179a180 a198a199 a194 a200a201  a202a203 a188 a189a190 a191a187 a204a205 a206a207 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 9HF GF GF GF G IJ K L K L K L K L M NM NM NM NF GF GF GF G K L K L K L K L M NM NM NM N a222a223 a224 a225a226 a227a228 a229a230 a231a232 a233 a227a228 7 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 - .- .- .- . 3 4 3 4 3 4 3 4 - .- .- .- . 3 4 3 4 3 4 3 4  a0 a1a2 a3a4 a5 a6a7 a8a9 a10a12a11 a13 a8a14 a15a16 a17a18 a19 a20 a21 a11 a22 a23 a24a25 a26a27 a8a14 a10a28 a29a31a30 a32 a33a34 a35 a36 a28 a29a37 a38a40a39 a41a42 a39 a43a44 a39 a45 a46a47 a48a49 a50 a10 a51a44 a52a53 a11 a54a4 a55 a56a57 a58 a59 a60 a6a7 a8a14 a10 a51a61 ?  a62a63 a64a65 a66a67 a185 a186a68 a184a187 a63 a64 a69a70 a71 a72 a73a74 a75a76 a77 a78a74 a79a80 a77 a81 a82a84a83 a62a67 a68 a184 a69a70 a187 a85a86 a87 a72 a73a74 a88 a89a90 a91a92 a93 a77 a78a74 a94a95 a90 a91a92 a93 a77 a81 a82  a96 a97a98 a99a100 a101 a85 a102a80 a78a103 a104a100 a101 a85 a102a80 a71 a105 a106a63 a64 a69a70 a107 a108 a78a109 a100 a110a111 a187 a112a113 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 ? Planned Repeat Purchase Impulse Repeat Purchase Cognitive Process Affective Process Hedonic Packaging Utility Packaging Informative Packaging Brand Halo Effect Informative Advertising persuasive Advertising Advertising Recollection Shopping Atmosphere Physical Environment Short-term Memory Long-term Memory Temporary Stimuli + + - - Controlled by sampling design Latent concepts Gender, Age, Income … Consumer Characteristics a222a223 a224 a232 a233 a227a228 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 & ’& ’& ’& ’ () & ’& ’& ’& ’  a114 a115 a26a116 a117 a118a119 a120  a121 a117 a118a119 a120 a60a122 a123 a117 a118a124 a125a126 a127 a50  a128 a26 a117 a118a129 a130 a45 a117 a118a131 a132  a25 a133 a45 a60a122 a117 a118 a134 a135  a115a136 a117 a118 a134 a135 a10 a137a138 a45 a139a138  a140 a51a141 a142 a117 a118  a143a144 a145 a146a147 a148 a149 a150 a45 a151a152 a147 a153  a154a155 a117 a118a147 a153 a45 a117 a118a119 a120 a10a156 a157 8 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 O K L K L K L K L K L K L K L K L  a26a0 a117 a118  a1a2 a3 a4 (ground theory)  a5a6 a7a8 a9 a108 a5a111 a72 a10 (content analysis)  a11 a12 a7a8 a9 a108 a5a111 a72 a10 (meta-analysis)  a26a13 a117 a118  a204 a202a14 a103 (procedural thinking)  a15 a16a17 a18 (structural thinking)  a19a20 a21 a22 (historical thinking)  a23 a24a26a25 (triad) a27a28 a29 a26a0  a26a13  a26a0 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 O PQ  a115 a26a30 a31  a32 a33  a34a35  a115 a26a36 a37 a27a38  a39a40 a41 a42  a43 a39a40 a41 a42  a128 a26 a140 a51 a117 a118 a10 a44a45 (unit)  a21a46 a5a47 a48a49 a145 a50a51 a36 a37 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 R PS @R S @R S @R S @ C C C C R S @R S @R S @R S @ C C C C a52 a53a54 a55 a56a58a57 a59 a60 a61 a53a54 a62 a63a65a64 a66 a67 a68a69a70a72a71 a61 a73 a74 a75 a76a77 a78a79 a80 a81a82a83 a84 a85 a86 a87a88 a89a90 a82a83 a91 a61 a53a54 a64a74a93a92 a94 a95a96a98a97 a99 a100 a101a102 a103 a104a105 a106a108a107a110a109a112a111a114a113a116a115a106a118a117a120a119a121a111a114a113 a115 a106a123a122a110a124a125a111a114a113a126a115 a127a128 a52 a53a54 a55 a56a58a57 a59 a60 a61 a53a54 a62 a63a65a64 a66 a67 a68a69a70a72a71 a61 a73 a74 a75 a76a77 a78a79 a80 a81a82a83 a84 a85 a86 a87a88 a89a90 a82a83 a91 a61 a53a54 a64a74a93a92 a94 a95a96a98a97 a99 a100 a101a102 a103 a104a105 a106a108a107a110a109a112a111a114a113a116a115a106a118a117a120a119a121a111a114a113 a115 a106a123a122a110a124a125a111a114a113a126a115 a127a128 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 T U VT U T U T U WT U T U T U T U a129 a130 a131a132 a133 a134 a135a136 a132 a133 … a129 a130 a131a132 a133 a134 a135a136 a132 a133 ... a137a138 a139a140 a141a142 a137a138 a143 a144 a141a142 σ χ 9 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 VWX YX YX YX YX YX YX YX Y  a0a1 a36 a37  a2a3  a4 a5  a41 a6a40 a7a8 a9  a10 a0a1 a36 a37  a11 a12a13 a18 a14a103  a42a15 a16 a17a18 a19  a20a21 a22 a23a24 a190 a191 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 Z[ V[[[ WX YX YX YX Y[[[[ X YX YX YX Y a25a26 a27a28 a29a30 a31a32 a33a34 a35a36 a37a38 a39a41a40 a42a43 a44 a38 a39a45 a46a47 a48a49 a50a51 a52 a53a54a56a55 a57a58 a59 a60a57a58 a59 a60a57a58 a59 a60a57a58 a59 a60 (Systematic Sample) a51 a53a61 a62 a25a26 a27a63 a64a36 a37 a65 a40 a66 a67a68 a69 a70 a71a51 a53a51 a52 a44 a65 a64 a53a54a56a55 a72a73 a59 a60a74a72a73 a59 a60a74a72a73 a59 a60a74a72a73 a59 a60a74 (Cluster Sample) a51 a53a61 a62 a25a26 a27a63 a30 a75a76 a77 a40 a68 a69 a78a79 a70 a71a51 a53a63 a80 a42a43 a44 a77a51 a81 a44 a82 a33 a27a83 a53 a54 a55 a84a85 a86 a87 a59 a60a84a85 a86 a87 a59 a60a84a85 a86 a87 a59 a60a84a85 a86 a87 a59 a60 (Stratified Sample) a26 a27 a88a43 a44 a33 a27a89 a51 a88 a35 a71a90 a91 a31a32a92a55 a93a94 a86 a87 a59 a60a93a94 a86 a87 a59 a60a93a94 a86 a87 a59 a60a93a94 a86 a87 a59 a60 (Simple Random Sample) a86 a87 a59 a60a86 a87 a59 a60a86 a87 a59 a60a86 a87 a59 a60 a25a26 a27a28 a29a30 a31a32 a33a34 a35a36 a37a38 a39a41a40 a42a43 a44 a38 a39a45 a46a47 a48a49 a50a51 a52 a53a54a56a55 a57a58 a59 a60a57a58 a59 a60a57a58 a59 a60a57a58 a59 a60 a51 a53a61 a62 a25a26 a27a63 a64a36 a37 a65 a40 a66 a67a68 a69 a70 a71a51 a53a51 a52 a44 a65 a64 a53a54a56a55 a72a73 a59 a60a74a72a73 a59 a60a74a72a73 a59 a60a74a72a73 a59 a60a74 a51 a53a61 a62 a25a26 a27a63 a30 a75a76 a77 a40 a68 a69 a78a79 a70 a71a51 a53a63 a80 a42a43 a44 a77a51 a81 a44 a82 a33 a27a83 a53 a54 a55 a84a85 a86 a87 a59 a60a84a85 a86 a87 a59 a60a84a85 a86 a87 a59 a60a84a85 a86 a87 a59 a60 a26 a27 a88a43 a44 a33 a27a89 a51 a88 a35 a71a90 a91 a31a32a92a55 a93a94 a86 a87 a59 a60a93a94 a86 a87 a59 a60a93a94 a86 a87 a59 a60a93a94 a86 a87 a59 a60 a86 a87 a59 a60a86 a87 a59 a60a86 a87 a59 a60a86 a87 a59 a60 a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a208 a209a210a211 a212a213a214a213a214a213a214a213a214 a215a215a215a215a213a213a213a213a216a216a216a216 a217 a218a217 a218a217 a218a217 a218a219a219a219a219a220 a221a220 a221a220 a221a220 a221 \Z[ V[[[ WX YX YX YX Y[[[[ X YX YX YX Y a95a96 a97 a98a99 a100a101 a102a103 a104a105 a106 a107a108a92a109 a110 a111 a112 a106 a107a108 a113a114 a115a116 a117a118 a119a120 a121 a122a123 a124 a125 a106 a107a108 a109 a126a127 a128a129 a130a131 a132 a133a134 a135a136 a133a137a56a138 a139a140 a141 a142a139a140 a141 a142a139a140 a141 a142a139a140 a141 a142 (Snowball Sample) a143 a144 a133a145 a146a108 a116 a147a148 a149a150 a151 a102a152 a133a137 a138 a153a154 a141 a142a153a154 a141 a142a153a154 a141 a142a153a154 a141 a142 (Judgment Sample) a133a137 a116 a102a152 a155 a156a157 a158 a95a159 a138 a160a161 a141 a142a162 a163 a164 a165 a141 a142a160a161 a141 a142a162 a163 a164 a165 a141 a142a160a161 a141 a142a162 a163 a164 a165 a141 a142a160a161 a141 a142a162 a163 a164 a165 a141 a142 (Convenience Sample) a166a167 a168 a141 a142a166a167 a168 a141 a142a166a167 a168 a141 a142a166a167 a168 a141 a142 a95a96 a97 a98a99 a100a101 a102a103 a104a105 a106 a107a108a92a109 a110 a111 a112 a106 a107a108 a113a114 a115a116 a117a118 a119a120 a121 a122a123 a124 a125 a106 a107a108 a109 a126a127 a128a129 a130a131 a132 a133a134 a135a136 a133a137a56a138 a139a140 a141 a142a139a140 a141 a142a139a140 a141 a142a139a140 a141 a142 a143 a144 a133a145 a146a108 a116 a147a148 a149a150 a151 a102a152 a133a137 a138 a153a154 a141 a142a153a154 a141 a142a153a154 a141 a142a153a154 a141 a142 a133a137 a116 a102a152 a155 a156a157 a158 a95a159 a138 a160a161 a141 a142a162 a163 a164 a165 a141 a142a160a161 a141 a142a162 a163 a164 a165 a141 a142a160a161 a141 a142a162 a163 a164 a165 a141 a142a160a161 a141 a142a162 a163 a164 a165 a141 a142 a166a167 a168 a141 a142a166a167 a168 a141 a142a166a167 a168 a141 a142a166a167 a168 a141 a142 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 Z[VVVV W ] ^ _] ^ _] ^ _] ^ _ ‘VVVV ] ^ _] ^ _] ^ _] ^ _  a183 a184a185 a186 a187  a188a189 a190a191  a192a193 a194 a195a196 a197a198  a199 a200 a201 a202a203 a204 a205  a206a207 a208 a209 10 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 a ‘aaaaaaa Excel b b b b Z[b b b b cde ? a0 a1a2 a3a4 a5 a6a7 a8a9 a10 a11 a12 a13a14 a15 a16a17 a17 a18 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 a ‘aaaaaaa R b b b b Z[b b b b cde > r <- sample(1:500, 50) > r [1] 328 323 17 294 395 235 312 377 500 206 [11] 58 131 110 153 481 364 270 226 396 59 [21] 38 358 172 63 169 371 381 216 61 178 [31] 269 457 290 22 220 390 499 99 81 87 [41] 233 142 229 121 265 494 393 272 362 90  a19 a2 a20a21 a22a23 Excel a24a25 a26 a7 a27a28 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 & ’& ’& ’& ’ () & ’& ’& ’& ’  a29 a30a31 a32 a204 a205a33 a34  a35 a204 a205a33 a34 a36a37 a38 a204 a205a39 a40a41 a42a43  a44a31 a204 a205a45 a46a47 a204 a205a48 a49  a50a51 a47 a36a37 a204 a205 a189 a52  a30a53 a204 a205 a189 a52 a54 a55a56 a47 a57a56  a58 a59a60 a61 a204 a205  a62a63 a64 a65a66 a67 a68 a69 a47 a70a71 a66 a72  a73a74 a204 a205a66 a72a47 a204 a205a33 a34 a54a75 a76 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 fg h ig h ig h ig h ig h ig h ig h ig h i  a77 a78a79 a80 a33 a81  a82a83  Construct, Variables, Measurement Items  a84a85 a86 a87a88 a89a90  a84a85 a91a85  a92a93 a94 a95  a96 a97 a94 a95  a98a99 a94 a95  a98a100 a94 a95 11 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 j k l Hj k l Hj k l Hj k l Hj k l Hj k l Hj k l Hj k l H a0a4 a1a4 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 mn l Hn l Hn l Hn l Hn l Hn l Hn l Hn l H a2 a3 a4a6a5 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 o p l Ho p l Ho p l Ho p l Ho p l Ho p l Ho p l Ho p l H a7 a8a9 a10 a11a12 a13a14 a15a16 a17 a18a6a19a6a20a22a21 a23a25a24a6a26 a18 a27a25a28 a23a25a24a6a29a6a30 a29a6a30 a20a22a21 √ √ a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 o q l Ho q l Ho q l Ho q l Ho q l Ho q l Ho q l Ho q l H a31a6a32a6a33a6a34 a5a25a35 15 7 a36a38a37 12 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 & ’& ’& ’& ’ () & ’& ’& ’& ’  a29 a30a31 a32 a204 a205a33 a34  a35 a204 a205a33 a34 a36a37 a38 a204 a205a39 a40a41 a42a43  a44a31 a204 a205a45 a46a47 a204 a205a48 a49  a50a51 a47 a36a37 a204 a205 a189 a52  a30a53 a204 a205 a189 a52 a54 a55a56 a47 a57a56  a58 a59a60 a61 a204 a205  a62a63 a64 a65a66 a67 a68 a69 a47 a70a71 a66 a72  a73a74 a204 a205a66 a72a47 a204 a205a33 a34 a54a75 a76 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 r ‘ rrr s s s s h ih ih ih irrrr s s s s h ih ih ih i  a0a1 a2a3  SPSS  SAS  S-Plus  STATA  EView  GAUSS  Matlab  statGraphics  minitab  a4a5 a2a3  R  Ox  OpenStat  Octave  a6a7 a8a9 a2a3  Lisrel  AMOS  Mx  EpiInfo a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 t ‘u v wt u v wt u v wt u v w s xs xs xs x yt u v wt u v wt u v wt u v w s xs xs xs x  a10a11 a12a13 a14 a15a16  a17a18 : SPSS  a19a20 a21 a22 a19a20 a23a24 a25 a26a27 a28 a29a30 a31a32 a33a34 a35  a36a37 a38 a39a40 a41  a17a18 : R  a42a43 a44a45 a46a47 a29a48 a30 a49a50 a31 a32 a51a52 a53 a42a43 a54a55 a56a57 a28 a29a30 a31a32 a58 a59 a25 a60 a19a20 a21 a22  a61a62 a14 a63a64 a40 a41  a17a18 : matlab + statistical toolbox  a65a66 a25 a67a68 a69a70 a56 a56a57 a49a50 a31a32 a51a52 13 a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a169 a170a171a172 a173a174a175a174a175a174a175a174a175 a176a176a176a176a174a174a174a174a177a177a177a177 a178 a179a178 a179a178 a179a178 a179a180a180a180a180a181 a182a181 a182a181 a182a181 a182 R  R a0 S-Plus a1 a2a4a3 a5a6 a7 a8a9 a5 S a10 a11a12 a13a14 a15a17a16 S a10 a11a18 a19a20 a21a22 a23a24 AT&T a25 a26a6 a27 a28a18 Rick Becker, John Chambers a0 Allan Wilks a16  R a29a30 a9 a5 University of Auckland a18 Ross Ihaka a0 Robert Gentleman a31a32 a12 a33a34 a19a35a3 S-Plus a36 a15 a19a37 a22 a0 a1 a8a9 a2a3 a3 a38 R a39 a40 a41a42 a24 a43 a44a45 a46a47 a48 a0 a8a9 a47 a48a18 a49a50 a51 a3 a52a53 a22 a1 a54 a4 a5 a2a3 a16 a55a56 a57a58 a18 a59 a60 a61a62 a63 a40a64 a65 a66 a8a9 a2a3 a7a9 a67a68 a18 a16  a69a70 a7 a29 a71a18 a8a9 a62 a63 a61a72 a73a56 a42 a74a75 a76 a77a78 a40 R a2 a3 a18 Add-on package a79 a16  a29 a71a18 R a2a3 a80 a81a82 a83a84 a80 a85a86 a80 a87a88 a89 package a90 a91 http://cran.r-project.org a92 a93a4a94 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 z{| /||| 0d%|||| R a109 a110a111 a112a113 a114a115a117a116 a118a119 a120 a121a122 a123a124 a125 a126 a127a128a130a129 4 5 2 3 6 2 7 9 > a <- c(4,5,2,3,6,2,7,9) # a131a132 a133a134 a126 a135 a136a137 a138a128 a > a # a139a140 a141a142 a143 a144 a145 a a146 a147 [1] 4 5 2 3 6 2 7 9 # a148 a149 [1] a110a150 a151 a152a153 a145a154 > a[3] # a155a156 a110a157 a158 a147 a109 a159a160 [1] 2 > a[7] # a155a161 a110a157 a158 a147 a109 a159a160 [1] 7 > which(a==2) # a162a163 a110 =2 [1] 3 6 > which(a==max(a)) # a162 a164 a110a165 a166 [1] 8 > sum(a) # a167a168 a169 a109 a159a160 [1] 38 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 z{| /||| 0d%|||| > a # a170 a171 a172a173 a174 a175 a172a176 [1] 4 5 2 3 6 2 7 9 > mean(a) # a177a178 a179 a180 [1] 4.75 > median(a) # a177a176 a181 a180 [1] 4.5 > var(a) # a177a182 a183 [1] 6.214286 > max(a) # a177 a184a185 a186 [1] 9 > min(a) # a177 a184a187 a186 [1] 2 > summary(a) # a188 a189 a177 a190a191 a192a193 a194a195 a196a197 Min. 1st Qu. Median Mean 3rd Qu. Max. 2.00 2.75 4.50 4.75 6.25 9.00 14 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 z{| /||| 0d%|||| > b <- 1:10 > b [1] 1 2 3 4 5 6 7 8 9 10 > length(b) [1] 10 > b[2] [1] 2 > b[-2] [1] 1 3 4 5 6 7 8 9 10 > b[3:7] [1] 3 4 5 6 7 > b[1:5] [1] 1 2 3 4 5 > b[(length(b)-5):length(b)] [1] 5 6 7 8 9 10 > b[c(1,3,5)] [1] 1 3 5 > b[b>4] [1] 5 6 7 8 9 10 > b[b<3 | b>6] [1] 1 2 7 8 9 10 > b[b>3 & b<6] [1] 4 5 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 z{| /||| 0d%|||| a0 500 a1a2 a3 a4a5 a6a2 a3 a7a8 a9a10 a11 a12 50 a13 > r <- sample(1:500, 50) > r [1] 328 323 17 294 395 235 312 377 500 206 [11] 58 131 110 153 481 364 270 226 396 59 [21] 38 358 172 63 169 371 381 216 61 178 [31] 269 457 290 22 220 390 499 99 81 87 [41] 233 142 229 121 265 494 393 272 362 90 > x <- a # a14a15a14a15 a14a15a14a15a14a15a14a15 a14a15a14a15 a a16a17a16a17 a16a17a16a17 a18a18 a18a18a16a17a16a17 a16a17a16a17 a18a18 a18a18 x > data.entry(x) # a19 a20a19 a20a19 a20a19 a20a21 a22a21 a22a21 a22a21 a22 a23 a24a23a24 a23a24 a23 a24 a19 a20a19 a20a19 a20a19 a20a21 a22a21 a22a21 a22a21 a22 a23 a24a23a24 a23a24 a23 a24 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 a ‘a ‘a ‘a ‘ } ~} ~} ~} ~ /0 d%a ‘a ‘a ‘a ‘ } ~} ~} ~} ~ > data.entry(x) > x [1] 4 5 2 3 6 2 7 9 4 5 3 34 45 67 5 67 45 78 45 54 > y [1] 50 45 34 34 67 23 78 98 45 55 23 230 458 887 45 990 400 778 432 [20] 590 15 data.entry(x,y) a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 >d% Y a0a1 > data.entry(x) # a2a3 a4a5 a6a7 a8a9 a10a11 > x = de(x) # a12 a13 > x = edit(x) # a2a3 a14a15 a8a9 a16 a8a9 a10a11 a17a18 > data.entry(x) # x a19a20 a21a22 a23a24 a25 Error in de(..., Modes = Modes, Names = Names) : Object "x" not found a26 a27a28 a29 a30 > data.entry(x=c(NA)) # a21a22 a23a24 x a31a32 a33a34 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 C C C C s s s s d C C C C s s s s > a [1] 4 5 2 3 6 2 7 9 > std(a) Error: couldn't find function "std" > var(a) [1] 6.214286 > sqrt(var(a)) [1] 2.492847 > sqrt( sum( (a - mean(a))^2 /(length(a)-1))) [1] 2.492847 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 C C C C s s s s d C C C C s s s s > sqrt( sum( (a - mean(a))^2 /(length(a)-1))) [1] 2.492847 a35a36 a37 a38a39 a40a41 a42a43 a44a45 a46a47 a48a49 a50 a51a52 a53a54 a55 a56 a57a58 a59 std(x) a60a61 a62 > std <- function(x) sqrt( sum( (x - mean(x))^2 /(length(x)-1))) > std(a) [1] 2.492847 > sd(a) # a63 a46a47 R a64a65 a66 a67a68 a69a70 a71a72 a60a61 a62 [1] 2.492847 16 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 /0 a0a1 a2 a3a4 a5a6 a7a8 a9a10 a11a12 a13 a14a15 a14 a11a6 a7a16 a17a18 a4 a5a19 a16 a10a11 a20a21 a22a24a23 yes, no, no, yes, no, yes, yes, no, no > y <- c("yes", "no", "no", "yes", "no", "yes", "yes", "no", "no") > y [1] "yes" "no" "no" "yes" "no" "yes" "yes" "no" "no" > table(y) y no yes 5 4 > factor(y) [1] yes no no yes no yes yes no no Levels: no yes a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 /0 > table(y) y no yes 5 4 > barplot(table(y)) > table(y)/length(y) y no yes 0.5555556 0.4444444 no yes 0 1 2 3 4 5 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 /0 a0a1 a2 a3a4 a5a6 a7a8 a14 a11a6 a7a25 a26a27 a28 a29 a30a31 a32 a33a6 a7 a31 a32 a23 1 a34a35 2 a36 a37 3 a38a39 4 a40 a41 5 a42 a43a44 a4 a5a19 a16 a10a11 a20a21 a22a24a23 2 4 3 1 1 2 5 3 2 4 3 2 1 2 3 4 2 5 1 3 5 > drink <- scan() 1: 2 4 3 1 1 2 5 3 2 4 3 2 1 2 3 4 2 5 1 3 5 22: Read 21 items a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 /0 > barplot(drink) a45a46 a47a48 > barplot(table(drink)) a49 a50a51 a52 a53a54 a55 > barplot(table(drink)/length(drink)) a49 a50a51 a52 a53a56 a57 0 2 4 1 2 3 4 5 0 2 4 6 1 2 3 4 5 0 . 0 0 0 . 1 0 0 . 2 0 17 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 /0 1 2 3 4 5 1 coffee 2 cola 3 milk 4 juice 5 choc > drink.counts <- table(drink) > pie(drink.counts) > names(drink.counts) <- c("1 coffee", "2 cola", "3 milk", "4 juice", "5 choc") > pie(drink.counts) a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 /0 1 coffee 2 cola 3 milk 4 juice 5 choc > pie(drink.counts,col=c("purple","green2","cyan","white")) > drink.counts 1 coffee 2 cola 3 milk 4 juice 5 choc 4 6 5 3 3 > drink.counts/length(drink) 1 coffee 2 cola 3 milk 4 juice 5 choc 0.1904762 0.2857143 0.2380952 0.1428571 0.1428571 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 | /||| 0d% @v (vvv |||| vvvv a0a1 a2 a3a0 a1a6 a7a8 a2 a2 a11a16 a3 a4a31 a5a6 a7a8 a9 a10a3 a11 a12a13 a8 a14a15 1 a16a15 a6 a7 2 a17 a30a15 a6 a7 3 a18a19 4 a17 a30a6 a7 5 a20 a21a6 a7 a2 a3a22 a23a19 a16 a10a11 a22a24a23 4 3 2 5 3 2 1 4 5 3 2 3 4 5 3 4 4 5 2 5 5 3 4 4 3 > sat <- scan() 1: 4 3 2 5 3 2 1 4 5 3 2 3 4 5 3 4 4 5 2 5 5 3 4 4 3 26: Read 25 items a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 | /||| 0d% @v (vvv |||| vvvv a24 a25a26 a27a28 a29a30 a31a32 a33a34 a35a37a36 a38 a39a40 a41 a42a43 a41 a44 a39a40 a45 a46 > sat.cat <- cut(sat,breaks=c(0,2,3,6)) > table(sat.cat) # a47 a48a49 a26 a27a50 a51 a52a53 a54 a55 a56 a33a57 a58 sat.cat (0,2] (2,3] (3,6] 5 7 13 > table(sat) sat 1 2 3 4 5 1 4 7 7 6 > levels(sat.cat) <- c("poor", "med", "good") > table(sat.cat) # a59a60 a61 a62a63 a50 a51 a64a57 a54 sat.cat poor med good 5 7 13 18 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 | /||| 0d% |||| > x <- scan() # a0a1 a2a3 a4a5 a6 1: 1 3 5 3 4 5 6 0 4 5 4 0 2 3 4 2 5 4 19: Read 18 items > x # a7 a8a9 a10 a11a12 0 a13 a14 [1] 1 3 5 3 4 5 6 0 4 5 4 0 2 3 4 2 5 4 > x[x==0] <- NA # a15a16 a17a18 a19 a20 a21a22 a23 a24 > x [1] 1 3 5 3 4 5 6 NA 4 5 4 NA 2 3 4 2 5 4 a15a25 a26a27 a28a29 a30 > x[is.na(x)] <- 0 > x [1] 1 3 5 3 4 5 6 0 4 5 4 0 2 3 4 2 5 4 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 z{ /0d% a31a32 a33a34 a35 a36a37 a38 a39a40 a41 a42a43 a44a45 a41 a42a46 a41 a42a47 a48 a49a50 a51 a52a53 a54a45 a55 a56a47 a57a58 a39a40 a59 1 a60 a61 2 a62 a61 a51 a63 a59 1 a64a65 2 a66 a67 3 a68a69 4 a70 a71 5 a72 a73a74 a54a45 a75 a56a47 a57a58 a59 a76a77 a78 a79 ( a80 a81 ) a82a46 a83 a84a85 a47 a57a86 a87 a59 a76a77 a78 a79 ( a88 ) a35 a36a89 a90a91 a92 a93a94 a80 a40 a95 a59 a39a40 a59 1 1 2 1 2 2 1 1 1 2 1 2 1 2 2 1 2 1 2 1 2 2 1 2 a50 a51 a59 4 3 2 1 2 4 3 2 4 2 3 2 1 5 4 3 3 5 2 3 1 2 3 3 a96a97 a59 30 25 45 12 60 44 10 16 19 56 20 50 12 35 45 20 54 8 58 17 44 77 21 56 a85 a87 a59 20 15 50 10 100 50 15 20 30 90 40 60 8 50 70 30 80 10 60 20 60 120 30 50 > gender <- scan() > drink <- scan() > tenue <- scan() > spend <- scan() a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 z{ /0d% > x <- as.matrix(cbind(gender, drink, tenue, spend)) > x gender drink tenue spend [1,] 1 4 30 20 [2,] 1 3 25 15 [3,] 2 2 45 50 [4,] 1 1 12 10 [5,] 2 2 60 100 [6,] 2 4 44 50 [7,] 1 3 10 15 [8,] 1 2 16 20 [9,] 1 4 19 30 [10,] 2 2 56 90 [11,] 1 3 20 40 [12,] 2 2 50 60 [13,] 1 1 12 8 [14,] 2 5 35 50 [15,] 2 4 45 70 [16,] 1 3 20 30 [17,] 2 3 54 80 [18,] 1 5 8 10 [19,] 2 2 58 60 [20,] 1 3 17 20 [21,] 2 1 44 60 [22,] 2 2 77 120 [23,] 1 3 21 30 [24,] 2 3 56 50 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 z{ /0d% > summary(x) gender drink tenue spend Min. :1.0 Min. :1.000 Min. : 8.00 Min. : 8.00 1st Qu.:1.0 1st Qu.:2.000 1st Qu.:18.50 1st Qu.: 20.00 Median :1.5 Median :3.000 Median :32.50 Median : 45.00 Mean :1.5 Mean :2.792 Mean :34.75 Mean : 45.33 3rd Qu.:2.0 3rd Qu.:3.250 3rd Qu.:51.00 3rd Qu.: 60.00 Max. :2.0 Max. :5.000 Max. :77.00 Max. :120.00 19 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 t > t.test(spend ~ gender) Welch Two Sample t-test data: spend by gender t = -6.829, df = 14.989, p-value = 5.727e-06 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: -64.73202 -33.93465 sample estimates: mean in group 1 mean in group 2 20.66667 70.00000 > mean(spend[gender==1]);mean(spend[gender==2]) [1] 20.66667 [1] 70 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 X X X X X X X X > oneway.test(spend ~ gender) One-way analysis of means (not assuming equal variances) data: spend and gender F = 46.6358, num df = 1.000, denom df = 14.989, p-value = 5.727e-06 > oneway.test(spend ~ drink) One-way analysis of means (not assuming equal variances) data: spend and drink F = 1.3009, num df = 4.000, denom df = 4.874, p-value = 0.3846 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 X X X X X X X X > chisq.test(gender, drink) Pearson's Chi-squared test data: gender and drink X-squared = 5.9048, df = 4, p-value = 0.2064 Warning message: Chi-squared approximation may be incorrect in: chisq.test(gender, drink) > table(gender, drink) drink gender 1 2 3 4 5 1 2 1 6 2 1 2 1 6 2 2 1 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 & > cor.test(spend, tenue) Pearson's product-moment correlation data: spend and tenue t = 11.2444, df = 22, p-value = 1.372e-10 alternative hypothesis: true correlation is not equal to 0 95 percent confidence interval: 0.8276741 0.9664916 sample estimates: cor 0.922924 a0 a1a3a2 a4 a1a5 a6a7 a8a10a9 a11a5 a12 a13a14 a15a16 a17 a4a18 a19a20 a21 a1a22 a23 a6a24 a25a26 a27a28 > cor(spend,tenue) [1] 0.922924 20 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 &’’’’ () ’’’’  a0 a1a2 a3a4 a5a6 a7  a8a4 a5a6 a7 a9a10 a11a4 a5a12 a13a14 a15a16  a17a2 a4 a5a18 a19a20 a4 a5a21 a22  a23a24 a20 a9a10 a4 a5 a25 a26  a1a27 a4 a5 a25 a26 a28 a29a30 a20 a31a30  a32 a33a34 a35a4 a5  a36a37 a38 a39a40 a41 a42 a43 a20 a44a45 a40 a46  a47a48 a4 a5 a40 a46a20 a4 a5a6 a7 a28a49 a50 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 0h i H H h i H H h i H H h i H H h i H H h i H H h i H H h i H H a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 0h i H h i H h i H h i H h i H h i H h i H h i H a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 0h i H h i H h i H h i H h i H h i H h i H h i H  Test-Retest Reliability ( a51 a52 a53a54 )  a55 a56a57 a58 a59a32 a60a61 a55 a62 a63  a64a65 a36 a61 a66a34 a67  Parallel-Forms Reliability ( a68a69 a53a54 )  a70a71 a62 a63 a55 a72 a60a61 a55 a56a57  a64a65 a36 a61 a66a34 a67 21 a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a95 a96a97a98 a99a100a101a100a101a100a101a100a101 a102a102a102a102a100a100a100a100a103a103a103a103 a104 a105a104 a105a104 a105a104 a105a106a106a106a106a107 a108a107 a108a107 a108a107 a108 0h i H h i H h i H h i H h i H h i H h i H h i H  Internal Consistency Reliability ( a0 a1 a53a54 )  Average Inter-item Correlation  a2a3a5a4 a6 a7a8 a9  Cronbach's Alpha  a2a3a5a4 a10a11 a12 a13 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 Cronbach’s Alpha         ? ? =  2 2 )( 1 1 X i Y n n σ σ α a28a29 row a30 sum a28a29 column a30a31a32 a33 a34a35 a36a37 a38 a39 a40 a31 a33 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 0hi H  Translation validity ( a41 a42 a43a44 )  Face validity a45a46 a47a48 ( a49a50a52a51 Delphi method)  Content validity a53 a54 a47a48 ( a49a50a52a51 a55a56 a57a58a60a59 a61a62 a63 a64 ) a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 0hi H ? Criterion-related validity ( a65 a66a67 a68 ) 22 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 0hi H Convergent validity Discriminant validity ? Criterion-related validity ( a65 a66a67 a68 ) a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 &’’’’ () ’’’’  a0 a1a2 a3a4 a5a6 a7  a8a4 a5a6 a7 a9a10 a11a4 a5a12 a13a14 a15a16  a17a2 a4 a5a18 a19a20 a4 a5a21 a22  a23a24 a20 a9a10 a4 a5 a25 a26  a1a27 a4 a5 a25 a26 a28 a29a30 a20 a31a30  a32 a33a34 a35a4 a5  a36a37 a38 a39a40 a41 a42 a43a20 a44a45 a40 a46  a47a48 a4 a5a40 a46a20 a4 a5a6 a7 a28a49 a50 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 r ‘ 0 X Yr ‘ X Yr ‘ X Yr ‘ X Yr ‘ X Yr ‘ X Yr ‘ X Yr ‘ X Y  a51a52 a53 a54a55  a56 a57 a58  a59a60 a61  a62a63 a64a65  a66 a67  a68a69 a70 a71  a72a73 a74 a75  a76 a77 a54a55  a78 a79a80 a81  a82 a83a80 a81 a84a85 a86 a87 a88 a89 a86 a87 t- a90a91 a92a93 a94 a86 a87 a95 a96 a86 a87 a97a98 a90a91 a99a100 a101a99a100 a101a99a100 a101a99a100 a101 a102a104a103a104a105a102a104a103a104a105a102a104a103a104a105a102a104a103a104a105 a106a107 a108 a109 a96 a108 a110a112a111a114a113 a115a112a116 a113 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 a117 a118 a117 a119 a117 a118 a117 a119 * p<0.05 ** p<0.01 *** p<0.001 a117 a119 a120a121 a122 a117 a118 a123 a124a125 a126a127 a128 a129a130 a131a133a132 a134 a135 a136a137 a138a133a139 a140a141 a135 a136a121 a142a143 a120a121 a132 a91 a122a144 a145a143 a124a125 23 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 t- ANOVA a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 t- ANOVA a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 & a0a1 a2a3 a4 a5 a6a7 a8a9 a10a11 a12a13 a14 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 & 24 a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 & a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 & a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27 X X X X X X X X a0a2a1a2a3a4a2a5a2a6a2a7a8a2a9a2a10a2a11a12a2a13 a3 a14a2a15 a3 a16a2a17a10a2a18a2a19a2a7 a20 a21a22 a23 a24a25 a26 a27a28 a29a30 a31 a32 a33a34 a35a36 a37a38 a39 a40a41 a42 a43a44 a45 a46 a47 a48 a49a50a52a51a53 a54a55a49a50 a51 a53 a56 a55a57a58 a59 ×= × = ? =  a60a61 a62a63 a64 a65 a60a66a67 a60a66 a68a69 a70a71 a68a69 a70a71 a68a69 a70a71a72a73 a70a71 2 2 )( χ a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a14 a15a16a17 a18a19a20a19a20a19a20a19a20 a21a21a21a21a19a19a19a19a22a22a22a22 a23 a24a23 a24a23 a24a23 a24a25a25a25a25a26 a27a26 a27a26 a27a26 a27  a74a75 a76 a77a78 a79a80 a81a82 a83 a76 a77a85a84 a86a87 a88 a89a90 a87 a91 a75 a79 a89a90  a92a93 a94 a95a96 a97a98 a99 a100a101 a102 a103a104 a105a106 a105 a97a107 a108 D = b o + b 1 X 1 + b 2 X 2 + ... + b k X k D = a109a110 a111 a112 (discriminant score) b = a109a110 a113 a112 (discriminant coefficient) X = a114 a115a116 a117 (predictor) 25 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?￠ ￡ ?￠ ￡ ?￠ ￡ ?￠ ￡ ?￠ ￡ ?￠ ￡ ?￠ ￡ ?￠ ￡ ?  a14 a15  a16a17 a18a19 a20a21 a22 a23a24 a25 a26a27 a28a29 a30a31 a32 a33 a20a21 a34a35 a36a38a37 a39a40 a41a42 a43a44 a45a46 a47a48 a49a50 a51 a52a53 a54 a34a55 a56  a57a58 a59 a60a61 a62 a63 a64a65 a66a67 a68 a43a69 a70a27 a28a29 a31 a71 a34 a72a73 a37 a74 a75a65 a66 a67 a68 a76a77 a78a79 a80 a81a82 a36 a83 a84a85  a59 a60a24 a86 a87 a88 a89a90 a91 a37 a43a50 a92a93 a30 a32 a33a17 a18a19 a20a21 a34a94 a95a96 Skill Challenge Fun Addiction Time-spend a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ￡ ?￡ ?￡ ?￡ ? -￥￡ ?￡ ?￡ ?￡ ? A1 ~ A85 C1 ~ C9 26 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 a ‘a ‘a ‘a ‘a ‘a ‘a ‘a ‘ Excel > d% Notepad a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?d%§ @§§§§§§§ R xy currency1y currency1y currency1y currency1 'y currency1y currency1y currency1y currency1  a0a1 a2a3 a3 a4 a5a6 a7 a8a9 copy a10 R a6 a11 a12a13 a14  a15a16 a17 a18a19 a20a22a21 C:\Program Files\R\rw1080 a23 a24a25 a26 a27a28 a29a30 a31 a32a33 a33 > dir() [1] "addiction.data.csv" "afm" "AUTHORS" [4] "bin" "CHANGES" "COPYING" [7] "COPYING.LIB" "COPYRIGHTS" "doc" [10] "etc" "FAQ" "lib" [13] "library" "modules" "NEWS" [16] "README" "readme.packages" "README.Rterm" [19] "README.rw1080" "RESOURCES" "rw-FAQ" [22] "share" "src" "Tcl" [25] "THANKS" "unins000.dat" "unins000.exe" [28] "Y2K" 27 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?d%§ @§§§§§§§ R xy currency1y currency1y currency1y currency1 'y currency1y currency1y currency1y currency1 > data <- as.data.frame(read.table("addiction.data.csv",header=T,sep=",")) Error in scan(file=file, what=what, sep=sep, quote=quote, dec=dec,: line 74 did not have 96 elements a0a1 a2a3 a4a6a5 a7a8 a9 a10 a0a1 a11 a12a13 a14 a15 a16 a17a18 a19a20 a21a22 a23a24 a25a26 a27a28 a29 a27a30 a31 NA a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?d%§ @§§§§§§§ R xy currency1y currency1y currency1y currency1 'y currency1y currency1y currency1y currency1 a32 a33 a34a35 a36 a37 a23a24 a25 a38 a18 a39a40 a29 a27a30 a31 NA a38 a41a42 a43a44 a45 a32 a46a47 a48 a49a28 a50a26 a51a52 > data <- as.data.frame(read.table("addiction.data.csv",header=T,sep=",")) a53a54 a55a56 a57 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?d%§ @§§§§§§§ R xy currency1y currency1y currency1y currency1 'y currency1y currency1y currency1y currency1 a58a59 a60a61 a62a63 a64a66a65 a67a68 a18a69 a70 a71a72 a73 a74 a75a76 a77 a78a79 a80 > data[1:3,] ID TYPE A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17 A18 A19 1 2001 1 1 2 3 2 4 2 3 2 3 2 4 5 6 4 5 4 3 5 4 2 2002 1 4 3 3 3 5 4 6 7 7 4 7 4 4 6 7 7 7 6 7 3 2003 1 5 5 5 3 5 3 6 5 5 5 5 4 4 5 3 6 6 6 4 A20 A21 A22 A23 A24 A25 A26 A27 A28 A29 A30 A31 A32 A33 A34 A35 A36 A37 A38 1 3 4 3 5 3 4 2 4 2 4 5 4 7 6 5 4 4 5 4 2 7 7 7 6 4 5 5 4 5 5 5 4 5 4 7 7 5 4 5 3 3 5 5 6 5 5 5 5 5 5 6 3 5 6 6 6 3 5 6 A39 A40 A41 A42 A43 A44 A45 A46 A47 A48 A49 A50 A51 A52 A53 A54 A55 A56 A57 1 7 6 5 3 6 2 3 3 2 3 4 5 6 6 6 7 6 7 7 2 5 6 5 5 6 5 4 4 4 5 5 6 6 7 7 7 7 7 3 3 5 6 7 7 5 5 5 5 6 6 6 5 4 5 6 6 6 6 4 A58 A59 A60 A61 A62 A63 A64 A65 A66 A67 A68 A69 A70 A71 A72 A73 A74 A75 A76 1 7 6 6 6 5 6 6 6 5 6 5 6 5 6 5 6 5 5 5 2 7 7 7 5 6 6 6 5 4 7 6 4 2 6 5 4 5 5 4 3 5 5 5 5 5 5 5 5 6 6 6 6 2 5 6 3 5 5 5 A77 A78 A79 A80 A81 A82 A83 A84 A85 C1 C2 C3 C4 C5 C6 C7 C8 C9 1 5 5 5 6 5 6 5 6 5 2 2 3 2 2 2 3 1 1 2 4 7 7 5 7 7 7 7 6 1 4 3 1 5 5 1 9 1 3 5 5 7 6 5 5 5 5 5 1 3 4 1 6 6 1 5 7 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 “ ?“ ?“ ?“ ? ?d%#### ? ??? >fi flfi flfi flfi fl“ ?“ ?“ ?“ ? #### ???? fi flfi flfi flfi fl A1 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7 A2 A3 1 2 3 4 5 6 7 1 2 3 4 5 6 7 A4 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7 A5 > pairs(data[,3:7]) 28 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – > colnames(data) [1] "ID" "TYPE" "A1" "A2" "A3" "A4" "A5" [8] "A6" "A7" "A8" "A9" "A10" "A11" "A12" [15] "A13" "A14" "A15" "A16" "A17" "A18" "A19" [22] "A20" "A21" "A22" "A23" "A24" "A25" "A26" [29] "A27" "A28" "A29" "A30" "A31" "A32" "A33" [36] "A34" "A35" "A36" "A37" "A38" "A39" "A40" [43] "A41" "A42" "A43" "A44" "A45" "A46" "A47" [50] "A48" "A49" "A50" "A51" "A52" "A53" "A54" [57] "A55" "A56" "A57" "A58" "A59" "A60" "A61" [64] "A62" "A63" "A64" "A65" "A66" "A67" "A68" [71] "A69" "A70" "A71" "A72" "A73" "A74" "A75" [78] "A76" "A77" "A78" "A79" "A80" "A81" "A82" [85] "A83" "A84" "A85" "C1" "C2" "C3" "C4" [92] "C5" "C6" "C7" "C8" "C9" a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – > desc <- function(data,x) { + tt<-0 + for (i in x) { + tt<-tt+1 + Q[tt] <- i + means[tt] <- array(mean(data[,i],na.rm=T)) + std[tt] <- array(sd(data[,i],na.rm=T)) + } + print(cbind(Q,means,std)) + } > desc(data,12:15) Q means std [1,] 12 4.140940 1.660293 [2,] 13 4.802013 1.508874 [3,] 14 4.699664 1.521410 [4,] 15 4.692953 1.545289 > desc(data,c(13,16,20)) Q means std [1,] 13 4.802013 1.508874 [2,] 16 5.172819 1.417300 [3,] 20 5.218121 1.360699 a0a1 a2a3 a4a5 a6a7 a8 a9 a10 a11a12 a13a14 a6a15 a16 a17a18 a19a20 a21a22 a23 a6a24 a25 a26a27 a28a29 a30 a9 a31a32 a33a34 a35a36 a37 a6a7 a8a38 a39a40 a41a42 a43 a10 a11 a44a45 a46 a26a47 a48a49 a50 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – > male <- matrix(data[data[,"C1"]==1],ncol=ncol(data)) > colnames(male) <- colnames(data) > female <- matrix(data[data[,"C1"]==2],ncol=ncol(data)) > colnames(female) <- colnames(data) > desc(male,5:8) Q means std [1,] 5 4.590090 1.489918 [2,] 6 4.344595 1.551433 [3,] 7 4.961451 1.500261 [4,] 8 4.342342 1.634810 > desc(female,5:8) Q means std [1,] 5 3.881579 1.432518 [2,] 6 3.796053 1.448172 [3,] 7 4.848684 1.194690 [4,] 8 4.026316 1.423304 a51a52 a53a54 a55 a56 a55 a57 a58a59 a60 a61a62 a22 a23 a63 a57 a59 a64a65 a66 a67 a68 a64a65 a69 a67 a37a62 a70a71 a66 a67a72 a69 a67 a51a73 a74a76a75 a77 a75 a78 a75 a79 a80a22 a23a81 a6a24 a25 a26a27 a28a29 a30 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – a82a83 a84a85 a86 a87a88 a89 a90a91 a92a93 a94 a95 > mean(data[,5]) # a96 5 a97a88 a98 [1] 4.409396 > mean(data[,“A3”]) # a91 a99 A3 a92a88 a98 [1] 4.409396 > mean(data$A3) # a100a101 a102 a103 a104a105 a106 [1] 4.409396 > t.test(data$A3 ~ data$C1) # a103 a104a107 a108a109 a110a111 a112a113 Welch Two Sample t-test data: data$A3 by data$C1 t = 5.209, df = 270.884, p-value = 3.763e-07 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: 0.4407280 0.9762943 sample estimates: mean in group 1 mean in group 2 4.590090 3.881579 29 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – > table(data$C1) 1 2 444 152 > table(data$C2) 1 2 3 4 5 69 221 226 65 15 > table(data$C1,data$C2) 1 2 3 4 5 1 53 169 157 55 10 2 16 52 69 10 5 > chisq.test(data$C1,data$C2) Pearson's Chi-squared test data: data$C1 and data$C2 X-squared = 7.6416, df = 4, p-value = 0.1056 a7a8 a0a1 a2a3 a4a5 a6 a4 a7a8 a9a10 a11 a12a13 a14 a51a52 a53a54 a55 a56 a55 a57 a9 a58a59 a60 a61a62 a22 a23 a9 a63 a57 a59 a64a65 a66 a67 a9 a68 a64a65 a69 a67 a15 a58 a68 a60 a16a17 a18a22 a23 a9 a59 a64 a65 a59a19 a20 a11a21 a9 a68 a64a65 a59 a74 a22 a59 a23 a20 a9 a24 a64a65 a68a25 a22 a68a19 a20 a9 a19 a64a65 a68 a74 a22 a68 a23 a20 a9 a74 a64a65 a24a25 a20 a11a81 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – a7a8 a0a1 a2a3 a4a5 a6 a4 a7a8 a9a10 a11 a12a13 a14 ( a26a27 a28a29 a30a31 a32 ) > table(data$C1,data$C2) # a9 a10 a12 a33a34 1 2 3 4 5 1 53 169 157 55 10 2 16 52 69 10 5 > prop.table(table(data$C1,data$C2),1) # a35 a12 a32 1 2 3 4 5 1 0.11936937 0.38063063 0.35360360 0.12387387 0.02252252 2 0.10526316 0.34210526 0.45394737 0.06578947 0.03289474 > prop.table(table(data$C1,data$C2),2) # a36 a12 a32 1 2 3 4 5 1 0.7681159 0.7647059 0.6946903 0.8461538 0.6666667 2 0.2318841 0.2352941 0.3053097 0.1538462 0.3333333 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – a37a38 a39 a40a41 a42 a43a44 a41 a45 a43 a46a47 a82a48 a49a50 > t.test(data$C8 ~ data$C1) Welch Two Sample t-test data: data$C8 by data$C1 t = 5.8501, df = 345.334, p-value = 1.141e-08 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: 1.030425 2.074245 sample estimates: mean in group 1 mean in group 2 4.072072 2.519737 a37a38 a39 a40a41 a42 a43a44 a41 a45 a43 a46a47 a51 a52a53 a49a50 > t.test(data$C9 ~ data$C1) Welch Two Sample t-test data: data$C9 by data$C1 t = 5.5517, df = 371.157, p-value = 5.397e-08 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: 0.868997 1.822207 sample estimates: mean in group 1 mean in group 2 3.799550 2.453947 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – a54 a55a56 a57 a58a59 a60 a61a62 a63 a64a65 a66a67 a68 a69a59 a70 a71 a72a73 a74a75 a76 a77 a60 a78 a79a80 a81 ( a82 a83a84 a85 a64 a57 a58 a86a87 a70 a88a89 a90 a61a62 a91 a71 a72a92 ) > gender <- data$C1 > onlineG <- data$C8 > pcG <- data$C9 a93a94 a95a96 a97 a70 a98a99 a71 a72a100 a83 a101a102 a103 a104a105 a106a107 a108 a79 a81 a105 a106a107 a60 a109 a110a65 a111 a112a113 a98a114 a98 a115 a116 a117 a71 a72 a118 a83 a111a119 a120 a121 a70 a122a123 a124 a125 a126a127 a61a62 a60 a128a129 a112a130 binomial(0,1) > gender[gender==2] <- 0 a131 a76 a118 a83 glm a132 a133 (generalized linear models) a134a94 a93 a76 … 30 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – > summary(glm(gender ~ onlineG + pcG, family=binomial)) Call: glm(formula = gender ~ onlineG + pcG, family = binomial) Deviance Residuals: Min 1Q Median 3Q Max -2.5677 -1.3907 0.6116 0.8723 0.9781 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.21170 0.16714 1.267 0.205297 onlineG 0.14070 0.03788 3.714 0.000204 *** pcG 0.13631 0.04211 3.237 0.001207 ** --- Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1 (Dispersion parameter for binomial family taken to be 1) Null deviance: 676.81 on 595 degrees of freedom Residual deviance: 636.69 on 593 degrees of freedom AIC: 642.69 Number of Fisher Scoring iterations: 5 a0a45 a48 a6a1 a2 a9 a3a32 a4a49 a9 a25 a60 a69 a67 a9 a59 a60 a66 a67 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – a5a6 a7 a8a9 a10a11 a12a14a13 a15a16 gender a17 a18 a10 a19a20 a13 a21a22 a23 a24a25 a26 > gender <- factor(data$C1) > levels(gender) <- c("male", "female") # a27a28 a29 a30a31 a32a33 > ownpc <- factor(data$C4) # a34a35 a36 a37a38 a39 a40a41 a42a44a43 a40a45 a46a47 a48 a49a50 a51a52 > levels(ownpc) <- c("yes","no") > table(gender,ownpc);chisq.test(gender,ownpc) ownpc gender yes no male 393 51 female 133 19 Pearson's Chi-squared test with Yates' continuity correction data: gender and ownpc X-squared = 0.0357, df = 1, p-value = 0.85 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 @CW – a53a54 a55a56 a57a58 a59a60 a61 ? > table(gender,ownpc) ownpc gender yes no male 393 51 female 133 19 > prop.table(table(gender,ownpc),1) ownpc gender yes no male 0.8851351 0.1148649 female 0.8750000 0.1250000 > prop.table(table(gender,ownpc),2) ownpc gender yes no male 0.7471483 0.7285714 female 0.2528517 0.2714286 a62a63 a64a65 a9 a66 a67a66 a67a68 a15 a69 a6a70 a71a70 a69 a67a72 a73 a9 a74 a60 a30 a62 a75 a3 a76 a77 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ?? ?? ?? ? · · · · ? ?? ?? ?? ? · · · ·  a78a79 a80 a81a82 a83  A1~A4 a84a85 a86a87 a88a89 a90  A5~A10 a84a85 a86a87 a91 a92a93 a88a94 a95  A59~A65 a84a85 a86a87 a96 a97 a98 a88a99 a100  A81~A85 a101a102 a103a104 a105a106 a107a108 a109a110 a111 a112a113 a114  C8, C9 a115a116 a101 a117a118 a119a120 a111 a121a122 a102 a122 a123 a103a104 a124a125 a126a127 a103a104 a110 a128a129  a130a131 a132a133 a134a135 a133 a134a136 a137a138 a139 Skill Challenge Fun Addiction Time-spend 31 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · ·  a14a15 a16 a17a136 a137a19a18 a20 a21a22 a23 a24a25 a133 a134a27a26  Addiction=b 0 +b 1 *Fun+b 2 *Time.spend  Fun=b 0 +b 1 *Skill+b 2 *Challenge  Time.spend=b 0 +b 1 *Fun+b 2 *Skill+b 3 *Challenge  a28a29 a30a31 a32 a33 a34a36a35 a37 a38a39 a40a41 a42a43 a44a31 a32 a45a46 a47a48 a49a50 a51 a49  a52 a53a54 a55 mva package a56a57 a58a59 a60 a61 a115 a62 Skill Challenge Fun Addiction Time-spend a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · R a63 a64 a65a66 a67a68 a69a70 a71 a71a73a72 a74 a75 mva a76 a77a78 a79 a80a81 a82a83 > local({pkg <- select.list(sort(.packages(all.available = TRUE))) + if(nchar(pkg)) library(pkg, character.only=TRUE)}) a84a122 a85a113 a60 a61 a115 a62 > x <- cbind(data$A1,data$A2,data$A3,data$A4) > skill <- factanal(x, 1, scores="regression") a86 a87 a88a89 a90a91 a92a93 a94 a95a89 a90a96 a97 a98a99 a100 ( a101a102 a103 a104a91 a105 a106a107 a108a109 mle + varimax rotation) a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · > Skill # a110 a110 a111a112 a113a114 a115a116 Call: factanal(x = cbind(data$A1, data$A2, data$A3, data$A4), factors = 1, scores = "regression") Uniquenesses: [1] 0.273 0.257 0.519 0.564 Loadings: Factor1 [1,] 0.853 [2,] 0.862 [3,] 0.694 [4,] 0.660 Factor1 SS loadings 2.388 Proportion Var 0.597 Test of the hypothesis that 1 factor is sufficient. The chi square statistic is 118.75 on 2 degrees of freedom. The p-value is 1.64e-26 a117 a98a99 a100a91 a99 a100 a118 a119 (factor loading) a120 a97 a99 a100 a121 a109 a122 a123a124 a125a91 a121a126 a92a127 a93 (R-square) 32 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · > skill$scores Factor1 [1,] -2.442358537 [2,] -1.035234703 [3,] 0.199730174 [4,] -0.247842525 [5,] -2.364093474 [6,] 0.190299715 [7,] 1.185537381 [8,] -0.701613598 [9,] -1.262120239 [10,] 0.293624068 [11,] -0.826192432 ... a117 a98a0 a1a91 a99 a100 a2 a105 (factor score) a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · a3a4 a5 a6a7 a8a9 a10a11 a12 Challenge, Fun, Addiction a13a14 a15 a16 a101a18a17 a17 a17 > x<-cbind(data$A5,data$A6,data$A7,data$A8,data$A9,data$A10) > challenge <- factanal(x, 1, scores="regression”) Error in cov.wt(z) : x must contain finite values only a19a20 a21a22 a23 a24a26a25 a27 a28a29 a30a31 a32a33 a34a35 a36 a25 a37a38 a39 a40 a41 > which(is.na(data$A5)) [1] 74 159 251 a27 a28a29 a42 74, 159, 251 a43a44 a45 a19a20 a34a35 a36 a46a47 a48 a49 a50a51 running mean a28a52 a53a47 a54 a34a35 a36 > data$A5[which(is.na(data$A5))] <- mean(data$A5,na.rm=T) a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · > x<-cbind(data$A5,data$A6,data$A7,data$A8,data$A9,data$A10) > challenge <- factanal(x, 1, scores="regression") > challenge Call: factanal(x = x, factors = 1) Uniquenesses: [1] 0.478 0.255 0.281 0.248 0.334 0.410 Loadings: Factor1 [1,] 0.722 [2,] 0.863 [3,] 0.848 [4,] 0.867 [5,] 0.816 [6,] 0.768 Factor1 SS loadings 3.993 Proportion Var 0.666 Test of the hypothesis that 1 factor is sufficient. The chi square statistic is 177.89 on 9 degrees of freedom. The p-value is 1.39e-33 a55a56 a57a58 ? Eigenvalue ? Variance explained a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · a59a60 a61 a62a63 a64a65 a66a67 a68 Fun, Addiction a69a70 a71 > x<-cbind(data$A81,data$A82,data$A83,data$A84,data$A85) > addiction <- factanal(x, 1, scores="regression") > x<- cbind(data$A59,data$A60,data$A61,data$A62,data$A63,data $A64,data$A65) > fun <- factanal(x, 1, scores="regression") Time.spend a72a73 a74a75 a76 a77a78 a79a80 a81 > time.spend <-(data$C8+data$C9)/2 33 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · a0a1 a2 a3 a4 a5a6 a7 a8a9 a10a11 a12a14a13 a15 a16 a17a18 a3 a19a20 a13 a21a22 a23 a24 a16a25 a26a27 ( a28a29 Cronbach’s Alpha) a30 a31a32 a33 data$A5 a34a35 a36 a37 > data$A5[which(is.na(data$A5))] <- mean(data$A5,na.rm=T) > skill <- cbind(data$A1,data$A2,data$A3,data$A4) > challenge <- cbind(data$A5,data$A6,data$A7,data$A8,data$A9,data$A10) > fun <- cbind(data$A59,data$A60,data$A61,data$A62,data$A63,data$A64,data$A65) > addiction <- cbind(data$A81,data$A82,data$A83,data$A84,data$A85) > alpha <- function(x) { + nv <- ncol(x) + (nv/(nv-1))*(1-sum(apply(x,2,var))/var(apply(x,1,sum))) + } > alpha(skill) [1] 0.8538022 > alpha(challenge) [1] 0.8959033 > alpha(fun) [1] 0.9274222 > alpha(addiction) [1] 0.9146989 a38a39 a40a41 a42a91 a43 a44a45 a46a47a48 a49 a50a51 a52 ’ a53 a54 a55 a56 a52 a50 a91 a57 a58 a55a56 a59 a105 a57a58 Alpha > 0.7 a60 a122 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · a61a62 a63a64 a65 a66 a69a62 a67 a68 a69a70 a71a72 a73 a70 a71a74 a75a76 a77 a78 a5 a79a80 a81a82 a83 a8a84 a85a74 a75 a86 a3a76 a77 a87a88 a69a70 a89 a90a91 a72 a92a14 a93a94 a95a72 a96a4 a8a91 a72 > skill.sdd <- scale(skill$scores) > fun.sdd <- scale(fun$scores) > addiction.sdd <- scale(addiction$scores) > challenge.sdd <- scale(challenge$scores) > time.spend.sdd <- scale(time.spend) > mean(fun.sdd) # a97a98 a99 a99a100 a101 a92 a93a102 a83 [1] 1.319962e-17 > sd(fun.sdd) Factor1 1 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · a103a104 a105a106 a107a108 a109a110 Addiction=b0+b1*Fun+b2*Time.spend > summary(lm(addiction.sdd ~ fun.sdd + time.spend.sdd)) Call: lm(formula = addiction.sdd ~ fun.sdd + time.spend.sdd) Residuals: Min 1Q Median 3Q Max -3.24412 -0.40934 0.05323 0.49333 2.12073 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -5.844e-17 3.315e-02 -1.76e-15 1 fun.sdd 5.247e-01 3.352e-02 15.652 < 2e-16 *** time.spend.sdd 2.034e-01 3.352e-02 6.068 2.31e-09 *** --- Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1 Residual standard error: 0.8092 on 593 degrees of freedom Multiple R-Squared: 0.3474, Adjusted R-squared: 0.3452 F-statistic: 157.8 on 2 and 593 DF, p-value: < 2.2e-16 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · a111a112 a113 a105a106 a107a108 a109a110 Fun=b0+b1*Skill+b2*Challenge > summary(lm(fun.sdd ~ skill.sdd + challenge.sdd)) Call: lm(formula = fun.sdd ~ skill.sdd + challenge.sdd) Residuals: Min 1Q Median 3Q Max -4.66926 -0.49432 -0.06678 0.53487 2.26961 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 7.153e-19 3.438e-02 2.08e-17 1 skill.sdd 2.065e-01 3.885e-02 5.314 1.52e-07 *** challenge.sdd 4.183e-01 3.885e-02 10.766 < 2e-16 *** --- Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1 Residual standard error: 0.8394 on 593 degrees of freedom Multiple R-Squared: 0.2978, Adjusted R-squared: 0.2954 F-statistic: 125.7 on 2 and 593 DF, p-value: < 2.2e-16 34 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ?? · · · · · · · · a0 a1 a113 a105a106 a107a108 a109 Time.spend=b0+b1*Fun+b2*Skill+b3*Challenge > summary(lm(time.spend.sdd ~ fun.sdd + skill.sdd + challenge.sdd)) Call: lm(formula = time.spend.sdd ~ fun.sdd + skill.sdd + challenge.sdd) Residuals: Min 1Q Median 3Q Max -1.6250 -0.6789 -0.2453 0.5424 3.2860 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 7.834e-17 3.924e-02 2.00e-15 1.000 fun.sdd 4.188e-03 4.687e-02 0.089 0.929 skill.sdd 2.482e-01 4.539e-02 5.468 6.73e-08 *** challenge.sdd 7.811e-02 4.848e-02 1.611 0.108 --- Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1 Residual standard error: 0.958 on 592 degrees of freedom Multiple R-Squared: 0.08687, Adjusted R-squared: 0.08225 F-statistic: 18.77 on 3 and 592 DF, p-value: 1.210e-11 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 " " " " " " " " Skill Challenge Fun Addiction Time-spend 0.2065*** 0.4183*** 0.2482*** 0.5247*** 0.2034*** a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? a2a3 a65 a66 a67 a4 a5a100 a101a6 a3 a7 a5 skill, fun, challenge, addiction a13 a14 a15a88 a8a9 a72 a67a10 a11a13a12 a14 a83 a7 a5 a15a16 a17 a18a19 a20 a21a22 a23a24 a25 a21a22 a8a26 a27 a12 a82 a97 a28 a69a70 a10 a11 a8a72 a11a100 a101 a29a30 a12 a31a32 a33 a82a34 a35a36 a37 a69a70 a10 a11 a8a38 a39a40 a41 ? > clust <- cbind(addiction$scores,fun$scores,skill$scores,challenge$scores) > groups <- kmeans(clust,3,100) # a42a43 a44a45 a46 a33 a47 a47 a48 100 a49 a50a51 a50a52 a53 > groups $cluster [1] 2 1 1 1 2 3 3 2 2 1 1 1 3 2 2 1 2 2 2 2 2 2 1 1 2 1 1 3 3 [60] 2 2 2 2 1 1 2 2 1 1 3 1 3 1 1 1 3 1 1 2 1 3 1 3 3 3 1 1 2 ... a54 a55a56 a57a58 a59a60 a44 a46 a33 a61a62 a63 $centers Factor1 Factor1 Factor1 Factor1 1 0.1421845 0.1002451 0.01332377 -6.873818e-05 2 -0.7722971 -0.8416520 -0.62797276 -7.423176e-01 3 0.9485018 1.1528025 0.99397645 1.209409e+00 $withinss [1] 490.7519 427.8308 218.4499 $size [1] 270 202 124 > addgroup <- groups$cluster > data <- cbind(data,addgroup) # a64a60 a59 a44 a46a65 a66 a67a68 a69 a34 a59a70 a71a72 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? a73 a74 a75 C8( a76a77 a78a79 a74a80 a74a81 a82a83 a84a85 a86 ) a87a88 a89a108 a90a91 a92 addgroup a84a108 a90a93 a94a95 > oneway.test(data$C8 ~ data$addgroup) # a96a97 a98 a99 a84a93 a94a95 One-way analysis of means (not assuming equal variances) data: data$C8 and data$addgroup F = 24.5918, num df = 2.000, denom df = 309.187, p-value = 1.227e-10 > pairwise.t.test(data$C8, data$addgroup) # a100 a101a102 a102 a103a104 a84a93 a94a95 Pairwise comparisons using t tests with pooled SD data: data$C8 and data$addgroup 1 2 2 3.6e-06 - 3 0.019 3.9e-09 P value adjustment method: holm > g1<-data$addgroup==1; g2<-data$addgroup==2; g3<-data$addgroup==3 > colMeans(cbind(g1,g2,g3)) # a88 a89 a105 a106 a107 a100 a90a108 a109 a74 C8 a91 a92 a78 a84a110 a111a112 g1 g2 g3 0.4530201 0.3389262 0.2080537 35 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? a73 a74a0 a105a108 a90a91 a92 addgroup a87a1 a2 a107 a3a108 a109 a4 a90 a84a5 a6 a103a104 a7a8 a9a10 a108 a109 a84a91 a92 > gender <- factor(data$C1) > levels(gender) <- c("male", "female") > age <- factor(data$C2) > levels(age) <- c("<14", "15-19", "20-24", "25-29", ">30") > edu <- factor(data$C3) > levels(edu) <- c("primary", "secondary", "high", "college", "postgraduate") > ownpc <- factor(data$C4) > levels(ownpc) <- c("yes", "no") > where <- factor(data$C7) > levels(where) <- c("home", "school", "office", "webcafee", "others") > addgroup <- factor(addgroup) > levels(addgroup) <- c("highadd", "medadd", "lowadd") a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? > table(addgroup, gender) gender addgroup male female highadd 202 68 medadd 138 64 lowadd 104 20 > prop.table(table(addgroup, gender),2) gender addgroup male female highadd 0.4549550 0.4473684 medadd 0.3108108 0.4210526 lowadd 0.2342342 0.1315789 > chisq.test(addgroup, gender) Pearson's Chi-squared test data: addgroup and gender X-squared = 9.8102, df = 2, p-value = 0.007409 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? > table(addgroup, age) age addgroup <14 15-19 20-24 25-29 >30 highadd 18 114 103 28 7 medadd 15 61 91 30 5 lowadd 36 46 32 7 3 > prop.table(table(addgroup, age),2) age addgroup <14 15-19 20-24 25-29 >30 highadd 0.2608696 0.5158371 0.4557522 0.4307692 0.4666667 medadd 0.2173913 0.2760181 0.4026549 0.4615385 0.3333333 lowadd 0.5217391 0.2081448 0.1415929 0.1076923 0.2000000 > chisq.test(addgroup, age) Pearson's Chi-squared test data: addgroup and age X-squared = 59.3928, df = 8, p-value = 6.131e-10 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? > table(addgroup, edu) edu addgroup primary secondary high college postgraduate highadd 7 36 72 142 13 medadd 9 14 35 122 22 lowadd 24 24 34 37 5 > prop.table(table(addgroup, edu),2) edu addgroup primary secondary high college postgraduate highadd 0.1750000 0.4864865 0.5106383 0.4717608 0.3250000 medadd 0.2250000 0.1891892 0.2482270 0.4053156 0.5500000 lowadd 0.6000000 0.3243243 0.2411348 0.1229236 0.1250000 > chisq.test(addgroup, edu) Pearson's Chi-squared test data: addgroup and edu X-squared = 75.6394, df = 8, p-value = 3.673e-13 36 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? > table(addgroup, ownpc) ownpc addgroup yes no highadd 238 32 medadd 182 20 lowadd 106 18 > prop.table(table(addgroup, ownpc),2) ownpc addgroup yes no highadd 0.4524715 0.4571429 medadd 0.3460076 0.2857143 lowadd 0.2015209 0.2571429 > chisq.test(addgroup, ownpc) Pearson's Chi-squared test data: addgroup and ownpc X-squared = 1.5843, df = 2, p-value = 0.4529 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? ? ? > z {? ? > z {? ? > z {? ? > z { ? ?? ?? ?? ? > table(addgroup, where) where addgroup home school office webcafee others highadd 165 32 4 47 22 medadd 113 41 2 30 16 lowadd 94 5 1 16 8 > prop.table(table(addgroup, where),2) where addgroup home school office webcafee others highadd 0.44354839 0.41025641 0.57142857 0.50537634 0.47826087 medadd 0.30376344 0.52564103 0.28571429 0.32258065 0.34782609 lowadd 0.25268817 0.06410256 0.14285714 0.17204301 0.17391304 > chisq.test(addgroup, where) Pearson's Chi-squared test data: addgroup and where X-squared = 23.0666, df = 8, p-value = 0.00328 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ” ” ” ” s ds ds ds d % ? … X Y% ? … X Y% ? … X Y% ? … X Y” ” ” ” s ds ds ds d % ? … X Y% ? … X Y% ? … X Y% ? … X Y ‰ ‰ ‰ ‰ s s s s ‰ ‰ ‰ ‰ s s s s a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 & 37 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 X X X X X X X X a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 X ? X ? X ? X ? X ? X ? X ? X ? a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ` ~ d` ~ d` ~ d` ~ d ` ~ d` ~ d` ~ d` ~ d 38 a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ′ ′ ′ ′ ′ ′ ′ ′ a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a0 a1a2 a3 a4a5 a6a5 a6a5 a6a5 a6 a7a7a7a7a5a5a5a5 a8a8a8a8 a9 a10a9 a10a9 a10a9 a10a11a11a11a11 a12a13a12a13a12a13a12a13 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?