Análisis de varianza Multifactorial

Análisis de varianza Multifactorial.

0.Cargamos la matriz.

Utilizaremos la matriz del CIS con nombre: CIS3163.sav

Consola:

> CIS3163 <- read.spss('C:/Users/Kirian/Desktop/CIS3163.sav',to.data.frame=TRUE)

1.Primero eliminamos los de las variables a trabajar N.C.

Consola:

CIS3163[c("P31A")] <- recode.variables(CIS3163[c("P31A")] , "'N.C.' -> NA;")

> CIS3163$P31A<-factor(CIS3163$P31A,levels=c("PP","PSOE","Unidos Podemos","Ciudadanos","En Comú Podem","Compromís-Podemos-EUPV","ERC","Convergència (CDC)","En Marea","EAJ-PNV","EH Bildu","CC-PNC","Otros partidos ","En blanco ","Voto nulo ","No recuerda "),ordered=FALSE)

Despues recodoficamos el grupo P20 en P20_R, en el cual a las edades los organizamos en 5 grupos según su edad, jóvenes menos o igual a 29, adultos de 30 a 54, maduros de 55 a 64, mayores de 64 a 75 y finalmente ancianos de mas de 75.

CIS3163[c("20_R")] <- recode.variables(CIS3163[c("P20")] , "30:54 -> 'Adultos';55:64 -> 'Maduros';65:74 -> 'Mayores';75:Hi -> 'Ancianos';Lo:29 -> 'Jovenes';")

>

2.Instalar y cargar la librería lsr.

Consola:

install.packages("lsr")

library(lsr)

3.Asignación de nombres a las variables.

Las cuales son:

P20_R: Edad recodificada.

CCAA: Comunidad autónoma.

P31A: Voto actual.

Consola:

Y=CIS3163$P20_R

A=CIS3163$CCAA

B=CIS3163$P31A

4.Usamos la formula de la Anova.

Consola:

# Anova

AV=aov(Y ~ A + B + A:B, contrasts=list(A=contr.sum, B=contr.sum))

5.Realizamos la prueba de igualdad de varianzas: Levene Test.

Consola:

# De la librería "car"

leveneTest(Y ~ A*B, center=mean)

[pic 1]

6.Usamos la comparación de medias.

Consola:  

Tukey's Honest Significance TestTukeyHSD(AV)

[pic 2]

6.1 Del cual sacamos el siguiente Grafico:

Consola:

plot(TukeyHSD(AV),las=1

[pic 3]

7.Realizamos la prueba de capacidad explicativa y coeficientes:

Consola:

etaSquared(AV, type=3)

summary.lm(AV)

[pic 4]

8. Y por ultimo realizamos un Grafico de Anova multifactorial.

Consola:

qplot(A,Y, stat="summary", fun.y="mean")

qplot(B,Y, stat="summary", fun.y="mean")

plot(Y ~ A + B, col=rainbow(6))

plot(A:B,Y, col=rainbow(2))

boxplot(Y ~ A + B, col=rainbow(6))

interaction.plot(A,B,Y)

[pic 5]

Nota al profesor:

A la hora de realizar los siguientes pasos en la consola referente a los pasos de la Anova, no habido manera de conseguir mostrar los resultados en dos de mis ordenadores domésticos ni los gráficos, el R deducer se queda cargando, sin hacer nada infinitamente, sin embargo no da ningún tipo de error y ejecuta perfectamente la orden, simplemente se queda cargando y en algunos casos, incluso se bloquea el programa.

...