R-biblioteket jmv

Fra Jamovi
Hopp til: navigasjon, søk

Hva virkelig utgjør en differense og en stor bidrag til hvor nyttig der kan være å bruke jamovi er at det kan brukes for generere syntaks som senere kan bli brukt i forbindelse med jmv-biblioteket (beskrevet nedenfor). Det gir deg muligheten til å integrere denne syntaksen med andre R-funksjoner. Slike R-funksjoner kan for eksempel brukes til å trekke ut og manipulere data fra loggfiler av programvare som brukes til å utføre eksperimenter (PsychoPy, e-prime, etc.).

Forberedelse

For å installere biblioteket som inneholder funksjonene som brukes av jamovi (og i eksemplene nedenfor), åpner du R og skriver den første linjen. Den andre linjen er nødvendig hvis du vil lese eller skrive SPSS-filer (> -merket i begynnelsen av linje er markerer begynnelse av kommandolinjen i R og må ikke kopieres / skrives inn):

> install.packages('jmv')
> install.packages('foreign')

Bruk av jamovi-syntaks i R

Først må du aktivere syntaksmodus ved å trykke på egenskapsikonet Icon Properties.png øverst til høyre hjørne. Sett en tick ved syntaksmodus i egenskapsvinduet.
Lukk egenskapene med pil-ikonet øverst til høyre Icon Arrow.png.

Jamovi SyntaxMode1.png Utgaven i hovedvinduet endres til tekstmodus, og du kan kjøre analyser og deretter høyreklikke på kommandoen som står øverst i hver analyse for å eksportere eller kopiere syntaks.
Jamovi SyntaxMode2.pngJamovi SyntaxMode3.png




Alternativt kan du skrive syntaks direkte. For å gjøre dette, åpner du R eller RStudio og skriver kommandoen på den første linjen. Kommandoen i den andre linjen er bare nødvendig for hvis du vil lese inn SPSS-datafiler:

> library(jmv)
> library(foreign)

Nå er du klar til å gjennomføre dataanalyser. Vanligvis må du lese inn et datasett først. Gjør dette ved å bruke den første linjen hvis du har en CSV-fil («sep» må settes til separator mellom dataceller, f.eks. ",", ";", ets.) eller med den andre linjen for å laste inn en SPSS-datafil:

> data = read.csv("data.csv", header = TRUE, sep = ",")
> data = read.spss("data.sav", to.data.frame = TRUE)

Etterpå er du klar til å kjøre hvilken analyse du vil (se denne oversikten over tilgjengelige funksjoner). For å kjøre en enkel deskriptiv-statistikk-analyse:

> descriptives(data = data, vars = vars(var1, var2))

eller for å beregne en korrelasjon mellom variabler (det er ganske grunnleggende i den første linjen og mer avanserte i den andre linjen: det legger til to ikke-parametriske korrelasjoner og en grafikk; vær oppmerksom på at pearson = TRUE må ikke oppgis fordi det er default):

> corrMatrix(data = data, vars = vars(var1, var2), pearson = TRUE, sig = TRUE)
> corrMatrix(data = data, vars = vars(var1, var2), spearman = TRUE, kendall = TRUE, sig = FALSE, flag = TRUE, plots = TRUE)