1 数据概况
1.1 数据预处理
1.1.1 变量选取与缺失值处理
Amos无法对原始数据进行管理，一般情况下需要先用数据管理软件进行预处理。例如stata、spss和R语言。
这里我们先用stata挑选出了感兴趣的观测变量，并使用最简单的缺失值处理方法：删除所有作为缺失值的观测样本。
# 注：以下为stata的代码格式，不可在R中使用！
# keep Q15_R13 Q15_R14 Q15_R16 Q15_R22 ///官方媒体
# Q20_R9 Q20_R10 Q20_R11 ///规则型人格
# Q23_R13 Q23_R14 Q23_R15 Q24_R15 ///威权观念
# Q24_R4 Q24_R5 Q24_R6 Q24_R7
# save //需要保存后才能统一删除行缺失值
# dropmiss, obs any //删除挑选变量中所有的缺失值
# count //查看剩下多少样本量原始数据的样本量一共为2379，进行特定变量的筛选并统一删除缺失值后，还剩下2149，数据缺失率为9.67%。
以下R的代码是将外部图片插入到Rmd文件中，picture是在大项目中的存放图形的子文件夹，按这样的格式插入即可。
knitr::include_graphics("picture/variable.png")
图1.1: variable consequence
以上为各测题及以它们为基础构建的因子。由于结构方程模型进行的是验证性因子分析，故已预设我们选取了需要的因子及其测题。
一般而言是通过以下两种方式：
- 使用SPSS进行探索性因子分析
- 具有强力的理论支撑
为方便数据展示，现在导入R语言中查看数据情况。我们直接以stata的格式导入。
library(haven)
netizen <- read_stata("eman.dta")
print(netizen)## # A tibble: 2,149 × 15
## Q15_R13 Q15_R14 Q15_R16 Q15_R22 Q20_R9 Q20_R10 Q20_R11 Q23_R13 Q23_R14
## <dbl+lbl> <dbl+l> <dbl+l> <dbl+l> <dbl+l> <dbl+l> <dbl+l> <dbl+l> <dbl+l>
## 1 1 [几乎不使… 3 [经… 3 [经… 4 [几… 5 [非… 4 [比… 4 [比… 1 [强… 2 [反…
## 2 1 [几乎不使… 1 [几… 2 [不… 1 [几… 4 [比… 3 [中… 4 [比… 3 [中… 3 [中…
## 3 4 [几乎每天… 4 [几… 4 [几… 4 [几… 3 [中… 3 [中… 3 [中… 3 [中… 3 [中…
## 4 3 [经常使用]… 3 [经… 3 [经… 3 [经… 4 [比… 4 [比… 4 [比… 4 [同… 4 [同…
## 5 2 [不常使用]… 3 [经… 3 [经… 2 [不… 4 [比… 4 [比… 2 [不… 4 [同… 4 [同…
## 6 1 [几乎不使… 1 [几… 1 [几… 1 [几… 1 [很… 3 [中… 5 [非… 3 [中… 3 [中…
## 7 4 [几乎每天… 3 [经… 3 [经… 3 [经… 3 [中… 4 [比… 3 [中… 4 [同… 3 [中…
## 8 2 [不常使用]… 2 [不… 2 [不… 2 [不… 4 [比… 4 [比… 4 [比… 2 [反… 3 [中…
## 9 2 [不常使用]… 2 [不… 3 [经… 3 [经… 4 [比… 4 [比… 2 [不… 1 [强… 2 [反…
## 10 3 [经常使用]… 3 [经… 4 [几… 3 [经… 4 [比… 5 [非… 3 [中… 3 [中… 4 [同…
## # ℹ 2,139 more rows
## # ℹ 6 more variables: Q23_R15 <dbl+lbl>, Q24_R4 <dbl+lbl>, Q24_R5 <dbl+lbl>,
## # Q24_R6 <dbl+lbl>, Q24_R7 <dbl+lbl>, Q24_R15 <dbl+lbl>1.1.2 数据概况
library(skimr)
skimr::skim(netizen)| Name | netizen |
| Number of rows | 2149 |
| Number of columns | 15 |
| _______________________ | |
| Column type frequency: | |
| numeric | 15 |
| ________________________ | |
| Group variables | None |
Variable type: numeric
| skim_variable | n_missing | complete_rate | mean | sd | p0 | p25 | p50 | p75 | p100 | hist |
|---|---|---|---|---|---|---|---|---|---|---|
| Q15_R13 | 0 | 1 | 2.07 | 0.94 | 1 | 1 | 2 | 3 | 4 | ▇▇▁▆▂ |
| Q15_R14 | 0 | 1 | 2.43 | 0.91 | 1 | 2 | 2 | 3 | 4 | ▃▇▁▇▂ |
| Q15_R16 | 0 | 1 | 2.59 | 0.87 | 1 | 2 | 3 | 3 | 4 | ▂▆▁▇▃ |
| Q15_R22 | 0 | 1 | 2.36 | 0.89 | 1 | 2 | 2 | 3 | 4 | ▃▇▁▇▂ |
| Q20_R9 | 0 | 1 | 3.41 | 0.95 | 1 | 3 | 4 | 4 | 5 | ▁▃▅▇▂ |
| Q20_R10 | 0 | 1 | 3.53 | 0.99 | 1 | 3 | 4 | 4 | 5 | ▁▂▃▇▂ |
| Q20_R11 | 0 | 1 | 3.41 | 0.94 | 1 | 3 | 4 | 4 | 5 | ▁▃▆▇▂ |
| Q23_R13 | 0 | 1 | 2.47 | 1.00 | 1 | 2 | 2 | 3 | 5 | ▂▇▅▂▁ |
| Q23_R14 | 0 | 1 | 2.70 | 1.01 | 1 | 2 | 3 | 3 | 5 | ▂▇▇▃▁ |
| Q23_R15 | 0 | 1 | 2.95 | 1.11 | 1 | 2 | 3 | 4 | 5 | ▃▆▇▇▂ |
| Q24_R4 | 0 | 1 | 3.36 | 0.97 | 1 | 3 | 3 | 4 | 5 | ▁▂▇▆▂ |
| Q24_R5 | 0 | 1 | 3.38 | 1.16 | 1 | 3 | 3 | 4 | 5 | ▂▅▇▇▅ |
| Q24_R6 | 0 | 1 | 2.99 | 1.18 | 1 | 2 | 3 | 4 | 5 | ▃▅▇▆▃ |
| Q24_R7 | 0 | 1 | 3.46 | 1.08 | 1 | 3 | 4 | 4 | 5 | ▂▂▇▇▃ |
| Q24_R15 | 0 | 1 | 2.59 | 1.04 | 1 | 2 | 3 | 3 | 5 | ▃▇▇▃▁ |
