Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Rcmdr

Transcript

1 Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Rcmdr

2 Che cos è Rcmdr? Rcmdr è un pacchetto che possiamo scaricare dal CRAN e installare su R. Richiamando il pacchetto Rcmdr, abbiamo un interfaccia con l utente GUI (graphical user interface) più famigliare e più facile nell utilizzo, che permette l uso di R ad un più vasto numero di utenti. Una volta caricato Rcmdr, dentro alla finestra primaria RGui, abbiamo una seconda finestra denominata R Commander. Questa la useremo per gestire, modellare i data set che inseriremo o che importeremo da altri programmi, la stessa la useremo per mandare in esecuzione le elaborazioni.

3 Che cos è Rcmdr? Dalla versione la finestra di R Commander si presenta suddivisa in tre campi: nel primo campo verrà visualizzata la sintassi (finestra dei comandi), nel secondo campo verrà visualizzato l output (finestra dei risultati) e nel terzo campo verranno visualizzati messaggi tra il software e l utente e le note che quest ultimo si vuole appuntare durante le analisi. Rcmdr richiede i pacchetti lattice, foreign, tcltk, abind, effects, car. Il pacchetto car (Companion to Applied Regression), sviluppato da J. Fox nel 2002, contiene molte funzioni per applicare modelli di regressioni, modelli lineari, modelli lineari generalizzati.

4 La finestra R Commander

5 Come per la maggior parte dei pacchetti statistici, noi possiamo creare un nuovo data set di dati, oppure aprirne uno precedentemente salvato, oppure importare un data set creato da un altro programma. Per inserire un nuovo data set in R utilizzando Rcmdr, dobbiamo seguire una serie di step. Per prima cosa dobbiamo impostare il data set assegnando nomi ed attributi alle variabili e poi inseriamo i dati nel data set stesso.

6 La finestra di Rcmdr, all avvio ci mostra che non è caricato nessun data set, con il seguente commento nella barra degli strumenti: Set di dati: <Nessun set di dati attivo> Creazione di un nuovo data set con Rcmdr:

7 Una volta cliccato la voce Nuovo set di dati si aprirà una piccola finestra in cui assegnamo il nome al data set che vogliamo creare Regole nell assegnazione del nome al data set: Il nome di un data set può essere lungo a piacere, non c è un limite nel numero di caratteri da inserire; il nome non può cominciare con un numero e non può contenere caratteri particolari come asterisco, spazio, punteggiature in generale, ecc.

8 Una volta inserito il nome, si clicca su OK e a questo punto si apre la finestra Data Editor dove si possono assegnare il nome alle variabili, definire gli attributi alle variabili e inserire i dati stessi

9 La finestra Editor dei dati è organizzata come una tabella (per certi versi simile a programmi come Excel o SPSS), in cui in ogni riga va inserita una unità di osservazione (per esempio un soggetto) e in ogni colonna va inserita una variabile. Possiamo inserire un numero infinito di variabili e di unità di osservazione (soggetti). Di default le variabili vengono nominate in maniera anonima, nel formato: var1, var2, var3, ecc e sono tutte considerate, come tipo di variabile, character (variabile stringa o variabile fattore di raggruppamento).

10 Cliccando con il mouse il bordo superiore della colonna di una variabile che vogliamo rinominare, subito si apre una sotto finestra ( Editor della variabile ) che ci consente di modificare tipo e nome alla variabile

11 Dopo aver inserito un data set, questo viene tecnicamente attaccato (attach) ad Rcmde questo ci viene anche segnalato nella barra degli strumenti di R Commander, infatti ora nel campo data set attivo, abbiamo il nome del nostro data set: coredata In qualsiasi momento noi possiamo prendere visione del data seto lo possiamo modificare, pigiando i pulsanti Editdata set e Viewdata set posti nella barra degli strumenti della finestra R Commander

12 Tramite Rcmdr, si possono importare dei data set salvati con altri programmi come Excel, SPSS oppure con il semplice blocco note

13 Tramite Rcmdr, si possono importare dei data set salvati in formato testo (*.txt)

14 Tramite Rcmdr, si possono importare dei data set salvati in formato SPSS (*.sav) Dobbiamo assegnare un nome al data set (R per defaultattribuisce il nome al data set con il nome Dataset), dovremmo dire ad R se convertire le variabile che contengono caratteri in fattori di raggruppamento

15 A differenza di molti pacchetti statistici, con R possiamo aprire contemporaneamente uno o più data set. Una volta che abbiamo più data set caricati in R, noi possiamo lavorare in Rcmdr con uno solo alla volta. Per scegliere un data set tra quelli caricati in R, abbiamo due modi: il primo consiste nel cliccare sul pulsante sulla barra degli strumenti dove viene indicato quale data set è attivo, il secondo modo consiste invece nell andare nel menù Dati, selezionare la voce Set di dati attivo ed infine cliccare sulla voce Seleziona il file di dati attivo Sia che noi selezioniamo il primo modo che il secondo, ci si presenterà una sottofinestra in cui troviamo la lista dei data set caricati in R e quindi disponibili per le analisi.

16 Gestione dei data set caricati in R

17 Gestione variabili del data set attivo

18 Ricodifica una variabile

19 Ricodificarei valori di una variabile da stringa a numerica, per esempio la variabile sesso ( maschi = 1 e femmine = 2)

20 Ricodificarei valori di una variabile numerica, per esempio la variabile sex (1 = 3 e 2 = 4)

21 Ricodificarei valori di una variabile numerica in fasce di dati, per esempio la variabile età(dai 19 ai 25 anni fascia 1 e dai 26 ai 35 anni fascia 2)

22 Calcola una nuova variabile

23 Calcola una nuova variabile (STAI) che sia la somma delle variabili STAI.X1 e STAI.X2

24 Gestione variabili del data set attivo

25 Statistiche descrittive Calcolo delle statistiche descrittive

26 Tavole di contingenza Creazione di tavole di contingenza a doppia entrata o a più entrate

27 Statistica inferenziale Statistiche parametriche (Test t e test F)

28 Statistiche sulle varianze Statistica inferenziale

29 Statistica inferenziale Statistiche non parametriche

30 Analisi dell affidabilità, analisi fattoriale e analisi dei claster

31 Regressione lineare, modelli lineari e modelli logit Modelli lineari

32 Gestione dei modelli lineari creati Modelli lineari

33 Gestione dei modelli lineari creati

34 Gestione dei modelli lineari creati

35 Gestione dei modelli lineari creati

36 Creazione di grafici Costruzione di grafici dai dtipresenti nel data set attivo

37 Distribuzioni statistiche Calcolo delle probabilità, rappresentazione grafica delle distribuzioni