Forskjell mellom versjoner av «Jamovi-modulen Rj»

Fra Jamovi
Hopp til: navigasjon, søk
Linje 17: Linje 17:
 
  stats::aggregate(as.numeric(data[, 'var1']), list(data[, 'gender']), mean)
 
  stats::aggregate(as.numeric(data[, 'var1']), list(data[, 'gender']), mean)
  
Det kommer allerede en masse R-biblioteker installert med jamovi og Rj: abind, acepack, afex, arm, assertthat, backports, base, base64enc, BayesFactor, BDgraph, BH, bindr, bindrcpp, bitops, boot, ca, car, carData, caTools, cellranger, checkmate, class, cli, clipr, cluster, coda, codetools, colorspace, compiler, contfrac, corpcor, crayon, curl, d3Network, data.table, datasets, deSolve, digest, dplyr, ellipsis, elliptic, emmeans, estimability, evaluate, evaluate, exact2x2, exactci, fansi, fdrtool, forcats, foreign, Formula, gdata, GGally, ggm, ggplot2, ggridges, glasso, glue, gnm, GPArotation, gplots, graphics, grDevices, grid, gridExtra, gtable, gtools, haven, highr, Hmisc, hms, htmlTable, htmltools, htmlwidgets, huge, hypergeo, igraph, jmv, jmvcore, jpeg, jsonlite, KernSmooth, knitr, kutils, labeling, lattice, latticeExtra, lavaan, lazyeval, lisrelToR, lme4, lmerTest, lmtest, magrittr, maptools, markdown, MASS, Matrix, matrixcalc, MatrixModels, methods, mgcv, mi, mime, minqa, mnormt, multcomp, munsell, mvnormtest, mvtnorm, nlme, nloptr, nnet, numDeriv, OpenMx, openxlsx, parallel, pbapply, pbivnorm, pbkrtest, pillar, pkgconfig, pkgconfig, plogr, plyr, PMCMR, png, praise, prettyunits, progress, psych, purrr, qgraph, quantreg, qvcalc, R6, RColorBrewer, Rcpp, RcppArmadillo, RcppEigen, RCurl, readr, readxl, regsem, relimp, rematch, reshape, reshape2, RInside, rio, Rj, rjson, rlang, rockchalk, ROCR, rpart, rpf, RProtoBuf, Rsolnp, rstudioapi, RUnit, sandwich, scales, sem, semPlot, semTools, sp, SparseM, spatial, splines, ssanv, StanHeaders, stats, stats4, stringi, stringr, survival, tcltk, testthat, TH.data, tibble, tidyselect, tools, truncnorm, utf8, utils, vcd, vcdExtra, vctrs, viridis, viridisLite, whisker, withr, xfun, XML, xtable, yaml, zeallot, zip, zoo
+
Det kommer allerede en masse R-biblioteker installert med jamovi og Rj: abind, acepack, afex, arm, assertthat, backports, base, base64enc, BayesFactor, BDgraph, BH, bindr, bindrcpp, bitops, boot, ca, car, carData, caTools, cellranger, checkmate, class, cli, clipr, cluster, coda, codetools, colorspace, compiler, contfrac, corpcor, crayon, curl, d3Network, data.table, datasets, deSolve, digest, dplyr, ellipsis, elliptic, emmeans, estimability, evaluate, evaluate, exact2x2, exactci, fansi, fdrtool, forcats, foreign, Formula, gdata, GGally, ggm, ggplot2, ggridges, glasso, glue, gnm, GPArotation, gplots, graphics, grDevices, grid, gridExtra, gtable, gtools, haven, highr, Hmisc, hms, htmlTable, htmltools, htmlwidgets, huge, hypergeo, igraph, jmv, jmvcore, jpeg, jsonlite, KernSmooth, knitr, kutils, labeling, lattice, latticeExtra, lavaan, lazyeval, lisrelToR, lme4, lmerTest, lmtest, magrittr, maptools, markdown, MASS, Matrix, matrixcalc, MatrixModels, methods, mgcv, mi, mime, minqa, mnormt, multcomp, munsell, mvnormtest, mvtnorm, nlme, nloptr, nnet, numDeriv, OpenMx, openxlsx, parallel, pbapply, pbivnorm, pbkrtest, pillar, pkgconfig, pkgconfig, plogr, plyr, PMCMR, png, praise, prettyunits, progress, psych, purrr, qgraph, quantreg, qvcalc, R6, RColorBrewer, Rcpp, RcppArmadillo, RcppEigen, RCurl, readr, readxl, regsem, relimp, rematch, reshape, reshape2, RInside, rio, Rj, rjson, rlang, rockchalk, ROCR, rpart, rpf, RProtoBuf, Rsolnp, rstudioapi, RUnit, sandwich, scales, sem, semPlot, semTools, sp, SparseM, spatial, splines, ssanv, StanHeaders, stats, stats4, stringi, stringr, survival, tcltk, testthat, TH.data, tibble, tidyselect, tools, truncnorm, utf8, utils, vcd, vcdExtra, vctrs, viridis, viridisLite, whisker, withr, xfun, XML, xtable, yaml, zeallot, zip, zoo.<br>
 
+
Noen av disse er spesielt interessant:
 +
- [https://www.rdocumentation.org/packages/stats stats] gir tilgang til masse statistiske funksjoner (f.eks. stats::glm for fitting Generalized Linear Models eller stats:kmeans for å gjennomføre k-means-cluster-analyser)
 +
- [https://www.rdocumentation.org/packages/MASS MASS] implementerer analyser beskrivet i boken av Venables og Ripley «Modern Applied Statistics with S» (det inkluderer f.eks. diskriminansanalyse MASS::lda)
 +
<br><br>
 
Kanskje det tar litt tid å finne seg gjennom dette, spesielt detaljer slik som hvilken format trenges for inndata til funksjoner (det må kanskje konverteres til numrene med «as.numeric» eller til en liste med «list»). Men du har (nesten) ingen grenser lengre med hensyn hvilken analyser du kan kjøre.
 
Kanskje det tar litt tid å finne seg gjennom dette, spesielt detaljer slik som hvilken format trenges for inndata til funksjoner (det må kanskje konverteres til numrene med «as.numeric» eller til en liste med «list»). Men du har (nesten) ingen grenser lengre med hensyn hvilken analyser du kan kjøre.

Revisjonen fra 1. nov. 2019 kl. 14:49

Forberedelse

Først må du installere modulen Rj fra jamovi-biblioteket. Dette vil opprette et «R»-ikon i ikonlinjen.
Jamovi Rj1.png

Bruke R-kommandoer

Etterpå trykker du på «R»-ikonet og velger «Rj Editor».
Jamovi Rj2.png

Det åpner en inntastingsfelt på venstre siden av skjermet hvor du kan skrive R-kommandoer.
Jamovi Rj3.png

Dataset heter «data» og du kan bruke første linjen for å få de første tre kolonene eller du kan bruke variablenavner slik som visst i andre linjen.

summary(data[1:3])
summary(data[, c('var1', 'var2', 'var3')])

Men du kan også velge funksjoner fra R-biblioteker:

stats::aggregate(as.numeric(data[, 'var1']), list(data[, 'gender']), mean)

Det kommer allerede en masse R-biblioteker installert med jamovi og Rj: abind, acepack, afex, arm, assertthat, backports, base, base64enc, BayesFactor, BDgraph, BH, bindr, bindrcpp, bitops, boot, ca, car, carData, caTools, cellranger, checkmate, class, cli, clipr, cluster, coda, codetools, colorspace, compiler, contfrac, corpcor, crayon, curl, d3Network, data.table, datasets, deSolve, digest, dplyr, ellipsis, elliptic, emmeans, estimability, evaluate, evaluate, exact2x2, exactci, fansi, fdrtool, forcats, foreign, Formula, gdata, GGally, ggm, ggplot2, ggridges, glasso, glue, gnm, GPArotation, gplots, graphics, grDevices, grid, gridExtra, gtable, gtools, haven, highr, Hmisc, hms, htmlTable, htmltools, htmlwidgets, huge, hypergeo, igraph, jmv, jmvcore, jpeg, jsonlite, KernSmooth, knitr, kutils, labeling, lattice, latticeExtra, lavaan, lazyeval, lisrelToR, lme4, lmerTest, lmtest, magrittr, maptools, markdown, MASS, Matrix, matrixcalc, MatrixModels, methods, mgcv, mi, mime, minqa, mnormt, multcomp, munsell, mvnormtest, mvtnorm, nlme, nloptr, nnet, numDeriv, OpenMx, openxlsx, parallel, pbapply, pbivnorm, pbkrtest, pillar, pkgconfig, pkgconfig, plogr, plyr, PMCMR, png, praise, prettyunits, progress, psych, purrr, qgraph, quantreg, qvcalc, R6, RColorBrewer, Rcpp, RcppArmadillo, RcppEigen, RCurl, readr, readxl, regsem, relimp, rematch, reshape, reshape2, RInside, rio, Rj, rjson, rlang, rockchalk, ROCR, rpart, rpf, RProtoBuf, Rsolnp, rstudioapi, RUnit, sandwich, scales, sem, semPlot, semTools, sp, SparseM, spatial, splines, ssanv, StanHeaders, stats, stats4, stringi, stringr, survival, tcltk, testthat, TH.data, tibble, tidyselect, tools, truncnorm, utf8, utils, vcd, vcdExtra, vctrs, viridis, viridisLite, whisker, withr, xfun, XML, xtable, yaml, zeallot, zip, zoo.
Noen av disse er spesielt interessant: - stats gir tilgang til masse statistiske funksjoner (f.eks. stats::glm for fitting Generalized Linear Models eller stats:kmeans for å gjennomføre k-means-cluster-analyser) - MASS implementerer analyser beskrivet i boken av Venables og Ripley «Modern Applied Statistics with S» (det inkluderer f.eks. diskriminansanalyse MASS::lda)

Kanskje det tar litt tid å finne seg gjennom dette, spesielt detaljer slik som hvilken format trenges for inndata til funksjoner (det må kanskje konverteres til numrene med «as.numeric» eller til en liste med «list»). Men du har (nesten) ingen grenser lengre med hensyn hvilken analyser du kan kjøre.