############# Dvofaktorska ANOVA ###############

#Zadatak 1. Baza-survey4ED, toptim x(agegp3, sex)

install.packages("foreign") #instaliranje i ucitavanje paketa
library("foreign")

Survey=read.spss("E:/baze/survey4ED.sav", to.data.frame = TRUE) 
fix(Survey) 
attach(Survey)

# Tabela kontigencije
install.packages("summarytools")
library("summarytools")
ctable(sex,agegp3,prop="n")

# test o homogenosti varijansi
library(car) #za Levinov test
leveneTest(toptim~agegp3*sex) # p-value=0,4198 imamo homogenost varijansi

# Ispitivanje normalnosti raspodele

library(dplyr)
library(nortest)
Survey %>%
  group_by(sex, agegp3) %>%
  mutate(
    W_statistic = ifelse(n() >= 8, ad.test(toptim)$statistic, NA_real_),
    p_value = ifelse(n() >= 8, ad.test(toptim)$p.value, NA_real_)
  ) %>%
  distinct(sex, agegp3, .keep_all = TRUE) %>%
  select(W_statistic, p_value)


# primena dvofaktorske ANOVA tehnike
model=aov(toptim~agegp3*sex, data=Survey)
summary(model) # interakcija ne postoji, sex ne utice, agegp3 utice

# naknadni test za toptim x agegp3
pairwise.t.test(toptim, agegp3, p.adj = "bonf")

stby(              
  data = toptim,       
  INDICES = agegp3, 
  FUN = descr, 
  stats = c("mean", "med","sd")  
)

#Zadatak 2. Baza-sleep4ED, age x (sex, marital)

Sleep=read.spss("E:/baze/sleep4ED.sav", to.data.frame = TRUE) 
fix(Sleep)
detach(Survey)
attach(Sleep)

# Tabela kontigencije
ctable(sex,smoke,prop="n") # paket ranije instaliran

# test o homogenosti varijansi (paket ranije ubacen u biblioteku)
leveneTest(age~marital*sex) # p-value=0,005 nemamo homogenost varijansi, ali sa tim moze da se zivi

# Normalnost raspodele

library(dplyr)
library(nortest)
Sleep %>% #AD test za vise grupa
  group_by(sex, marital) %>%
  mutate(
    W_statistic = ifelse(n() >= 8, ad.test(age)$statistic, NA_real_),
    p_value = ifelse(n() >= 8, ad.test(age)$p.value, NA_real_)
  ) %>%
  distinct(sex, marital, .keep_all = TRUE) %>%
  select(W_statistic, p_value)

Sleep %>% #SW test za vise grupa
  group_by(sex, marital) %>%
  mutate(W_statistic = shapiro.test(age)$statistic, p_value = shapiro.test(age)$p.value) %>%
  distinct(sex, marital, .keep_all = TRUE) %>%
  select(W_statistic, p_value)


# primena dvofaktorske ANOVA tehnike
model2=aov(age~marital*sex, data=Sleep)
summary(model2) # postoji interakcija

# sada cemo analizirati uticaj bracnog stanja na godine, ali u svakom od polova pojedinacno

muskarci=Sleep[Sleep$sex=="male",]
zene=Sleep[Sleep$sex=="female",]

#Samostalno ispitati normalnost

model3=aov(age~marital, data=zene)
summary(model3) #p-value<0.05, potrebni Post Hoc testovi

pairwise.t.test(zene$age, zene$marital, p.adj = "bonf") # U grupi Single vrednosti godina se znacajno razlikuju u odnosu na ostale grupe
                                      # A kako se razlikuju?

stby(              
  data = zene$age,        
  INDICES = zene$marital, 
  FUN = descr, 
  stats = c("mean", "med","sd")  
)
# Konacno, Single ispitanici su znacajno mladji od ostatka populacije

## Analiza uticaja bracnog stanja na godine u grupi muskaraca

ctable(Sleep$marital,Sleep$sex,prop = "n")

model4=aov(age~marital, data=muskarci)
summary(model4)

# NAPOMENA: iako mozemo dobiti rezultate ANOVA testiranja i u ovom slucaju,
 # ti rezultati nisu validni jer postoji samo jedan ispitanik koji je udovac,
# pa rezultati nisu pouzdani.

####################################################################
########### ANOVA test za ponovljena merenja #######################
####################################################################

#Zadatak 3. Uporedjujemo strah od statistike u tri merenja

install.packages("foreign") #instaliranje i ucitavanje paketa
library("foreign")

Experim=read.spss("E:/baze/experim4ED.sav", to.data.frame = TRUE) 
fix(Experim) 
attach(Experim)

#Ispitivanje normalnosti
install.packages("tidyverse")
library("tidyverse")
library("rstatix")

Experim %>% shapiro_test(fost1, fost2, fost3)

#Pravljenje pogodne baze


Baza <- data.frame( # moramo da napravimo novi data frame, da bi se uskladili sa sintaksom vrednost~grupa
  Vreme = c(rep(1, 30), rep(2, 30), rep(3, 30)),
  FOST = c(Experim$fost1, Experim$fost2, Experim$fost3 ),
  ID=c(rep(1:30,3)) # neophodna kolona, koju zahteva anova_test
)
Baza

#Primena ANOVA tehnike za ponovljena merenja

#funkcija aov nema opciju "paired=TRUE/FALSE", pa je ne mozemo primeniti za ponovljena merenja
# ponudjena opciija resava i problem homogenosti varijansi o istom trosku

library("rstatix") # za slucaj da nije instalirano
res.aov <- anova_test(data = Baza, dv = FOST, wid=ID,  within = Vreme)
get_anova_table(res.aov) 

# Naknadni testovi

Baza %>%
  pairwise_t_test(
    FOST ~ Vreme, paired = TRUE,
    p.adjust.method = "bonferroni"
  )

stby(              
  data = Baza$FOST,        
  INDICES = Baza$Vreme, 
  FUN = descr, 
  stats = c("mean", "med","sd")  
)

#Zadatak 4. Uporedjujemo nivo samopouzdanja u tri merenja


#Ispitivanje normalnosti

Experim %>% shapiro_test(confid1, confid2, confid3)

#Pravljenje pogodne baze


baza <- data.frame( 
  Vreme = c(rep(1, 30), rep(2, 30), rep(3, 30)),
  confid = c(Experim$confid1, Experim$confid2, Experim$confid3 ),
  ID=c(rep(1:30,3)) # neophodna kolona, koju zahteva anova_test
)
baza

#Primena ANOVA tehnike za ponovljena merenja

res.aov <- anova_test(data = baza, dv = confid, wid=ID,  within = Vreme)
get_anova_table(res.aov) 

# Naknadni testovi

baza %>%
  pairwise_t_test(
    confid ~ Vreme, paired = TRUE,
    p.adjust.method = "bonferroni"
  )

stby(              
  data = baza$confid,        
  INDICES = baza$Vreme, 
  FUN = descr, 
  stats = c("mean", "med","sd")  
)

################################################################################
###################### Friedman-ov test #########################################
############################################################################

# Zadatak 5. Uporedjujemo nivo depresije u tri merenja

#Ispitivanje normalnosti

Experim %>% shapiro_test(depress1, depress2, depress3)

library(tidyverse) #neophodni paketi
library(ggpubr)
library(rstatix)

#Pravljenje pogodne baze


baza1 <- data.frame( 
  Vreme = c(rep(1, 30), rep(2, 30), rep(3, 30)),
  depresija = c(Experim$depress1, Experim$depress2, Experim$depress3 ),
  ID=c(rep(1:30,3)) # neophodna kolona, koju zahteva friedman_test
)
baza1

#Primena Friedman-ovog testa
baza1 %>% friedman_test(depresija ~ Vreme |ID)

# Naknadni testovi

baza1 %>%
  wilcox_test(depresija ~ Vreme, paired = TRUE, p.adjust.method = "bonferroni")
# Ovaj postupak sadrzi kako klasicne p-value, tako i korigovane po Bonferonijevoj matrici
# Kod klasicnih p-value, poredjenje vrsimo u odnosu na korigovanu granicu,
# dok kod Bonferonija nema potrebe da se granica koriguje

stby(              
  data = baza1$depresija,        
  INDICES = baza1$Vreme, 
  FUN = descr, 
  stats = c("mean", "med","sd")  
)