R library jmv

Der möglicherweise größte Vorteil von jamovi (und ein gewisses Alleinstellungsmerkmal) besteht darin, dass mit jamovi R-Syntax generiert werden kann, die später in Verbindung mit der jmv-Bibliothek (siehe unten) verwendet werden kann. Sie können diese Syntax mit weiteren R-Funktionen in Skripten nutzen. Beispielsweise können Sie zunächst mittels solcher R-Funktionen Daten aus Protokolldateien von Programmen zur Durchführung von Experimenten (PsychoPy, e-prime usw.) extrahieren und diese Daten dann weiter verarbeiten.

Vorbereitung

Um die Bibliotheken zu installieren, welche die von jamovi (und die in den folgenden Beispielen) verwendeten Funktionen enthält, öffnen Sie R und geben Sie die erste Zeile ein. Die zweite Zeile ist erforderlich, wenn Sie außerdem SPSS-Dateien lesen oder schreiben möchten (die ">"-Markierung am Zeilenanfang kennzeichnet die Eingabeaufforderung / den Beginn der Befehlszeile in R und darf nicht kopiert oder eingegeben werden):

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

Verwendung der Jamovi-Syntax in R

Zunächst müssen Sie den Syntaxmodus aktivieren, indem Sie das Eigenschaftssymbol in der oberen rechten Ecke berühren. Setzen Sie im Eigenschaftsfenster das Häkchen nach Syntaxmodus.
Schließen Sie danach das Eigenschaftsfenster mit dem Pfeilsymbol in der oberen rechten Ecke .

Die Resultatausgabe wechselt in den Textmodus. Sie können Analysen in der Benutzeroberfläche ausführen und dann mit der rechten Maustaste auf den Befehl im obersten Teil der Ausgabe zu einer Analyse klicken, um die Syntax zu exportieren oder zu kopieren.

---

Als Alternative können Sie die Syntax auch direkt eingeben. Öffnen Sie dazu R oder RStudio und geben Sie den Befehl in die erste Zeile ein. Der Befehl in der zweiten Zeile wird nur benötigt, wenn Sie SPSS-Datendateien laden möchten:

> library(jmv)
> library(foreign)

Jetzt können Sie Datenanalysen durchführen. Normalerweise müssen Sie zuerst einen Datensatz laden. Verwenden Sie dazu die erste Zeile, wenn Sie über eine CSV-Datei verfügen ("sep" bestimmt das Trennzeichen zwischen Datenzellen, z. B. ",", ";" usw.) oder die zweite Zeile, wenn sie eine SPSS-Datendatei einlesen wollen:

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

Anschließend können Sie jede gewünschte Analyse ausführen (siehe diese Übersicht der verfügbaren Funktionen). So führen Sie eine einfache deskriptiv-statistische Analyse durch:

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

oder um eine Korrelation zwischen Variablen zu berechnen (in der ersten Zeile einfach; in der zweiten Zeile mehr fortgeschritten, dort werden zwei nichtparametrische Korrelationen berechnet und ein Diagramm erstellt; beachten Sie, dass pearson = TRUE nicht angegeben werden muss, da dies die Voreinstellung ist):

> 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)