data931 <- read.csv("Table931SDdata.csv")
data931

attach(data931)

​

#色別に各尺度の平均値と標準偏差を求める

#例えば、AkatuiKurai尺度の場合

tapply(AkaruiKurai,COLOR,mean)

tapply(AkaruiKurai,COLOR,sd)

​

#色の効果：従属変数　尺度、独立変数 色

#AkatuiKurai尺度の場合

s <- factor(Subject)#要因として指定（変数と誤解されないように）

S1 <- aov(AkaruiKurai~COLOR+Error(s/COLOR))

summary(S1)

​

# Holmの方法による多重比較の場合

pairwise.t.test(AkaruiKurai,COLOR,data=data931,p.adj = "holm")

​

# 色の比較を図示するならば、

barplot(tapply(AkaruiKurai,COLOR,mean))

​

#他の１０尺度についても同様

​

#相関の分析

data <- data931[3:13] #因子分析にかけるデータ部分
data

​

#相関行列

cor(data)

​

​#因子分析　因子数＝３　最尤法

SDfa <- factanal(data,factors=3,rotation,scores="regression")
SDfa

​

​

#参考　因子負荷量を大きさに順に並べ替える（元群馬大学青木先生のサイトから関数を読み込む）

​

source("http://aoki2.si.gunma-u.ac.jp/R/src/sort.loadings.R",encoding="euc-jp")

​

print(sort.loadings(SDfa),cutoff=0)

​

​

#因子得点

SDfa$scores #因子得点
SDfa$correlation #相関行列

​

#因子得点を保存するならば

Scores <-  SDfa$scores

write.csv(Scores,"Scores.csv")

​

​