#gender - absolutní cetnosti
table(gender)
#   1   2  NA 
# 235 242   1 

#gender - relativní cetnosti
table(gender)/length(gender)
#          1          2         NA 
# 0.49163180 0.50627615 0.00209205

#Proc tam je porád ten jeden clovek s odpovedí NA u genderu, když už jsem všechny s NA smazala?
DataSelfEsteemSample_clean = na.omit(DataSelfEsteemSample)
table(gender)
#   1   2  NA 
# 235 242   1 
View(DataSelfEsteemSample_clean)

---
  
  #položky jsem rekódovala tak, aby u všech položek hodnota 1 vyjadrovala nejnižší self-esteem a hodnota 4 nejvyšší self-esteem
  Q3_recode=recode(Q3, "1=4;2=3;3=2;4=1")
Q5_recode=recode(Q5, "1=4;2=3;3=2;4=1")
Q8_recode=recode(Q8, "1=4;2=3;3=2;4=1")
Q9_recode=recode(Q9, "1=4;2=3;3=2;4=1")
Q10_recode=recode(Q10, "1=4;2=3;3=2;4=1")
QSum = Q1+Q2+Q3_recode+Q4+Q5_recode+Q6+Q7+Q8_recode+Q9_recode+Q10_recode

---
  
  self.esteem.men = subset(self.esteem.naomit2, subset = (self.esteem.naomit2$gender == 1))
self.esteem.women = subset(self.esteem.naomit2, subset = (self.esteem.naomit2$gender == 2))
cohen.d(self.esteem.men$QSum, self.esteem.women$QSum, paired=FALSE, na.rm=FALSE, hedges.correction=FALSE,
        conf.level=0.95, noncentral=FALSE)

# Cohen's d
# d estimate: 0.1458457 (negligible)
# 95 percent confidence interval:
# inf         sup 
# -0.03453741  0.32622890 

# velikost úcinku je víceméne zanedbatelná, její CI dokonce prekracuje 0
# ad: asi to nejde obejít podobne jako u t-testu, abych nemusel vytváret umelé skupiny že?

---
  
  # Z proměnných Q1 až Q10 vytvořte novou proměnnou, nazvanou QSum, 
  # která bude prostým součtem všech položek pro každého respondenta (tj. sumační index).
  # Statisticky popište výše uvedenou proměnnou.
  
  Qsum= rowSums(Selfesteem1_new[, 1:10])


QSum = self.esteem.naomit1$Q1 + self.esteem.naomit1$Q2 + self.esteem.naomit1$Q3 + self.esteem.naomit1$Q4 + self.esteem.naomit1$Q5 + self.esteem.naomit1$Q6 + self.esteem.naomit1$Q7 + self.esteem.naomit1$Q8 + self.esteem.naomit1$Q9 + self.esteem.naomit1$Q10


---
  
  Qcortest = corr.test(self.esteem.naomit2[,1:10])
# Bonferroniho korekce - alfa/k = alfaB

alfa = 0.05/10
Qcortest$p < alfa


---
  
  # U nominálních proměnných konstatujte relativní a absolutní četnost jednotlivých kategorií 
  # (např. kolik a jaký podíl je mužů a žen).
  table(CleanSelfEsteem$gender)

#Nepřišel jsem na to jak bych mohl vyrobit kontingenční tabu#Vlastně všechno vyšlo sig. a ty korelace jsou poměrně vysoký. Je možný, že je to jeden konstrukt? Normálně bych asi dělala faktorku ale možná je to úplně blbý řešení.  lku.

---
  
  Cronbach = CleanSumSelfE[c(1,2,3,4,5,6,7,8,9,10 )]
alpha(Cronbach, check.keys = TRUE)

---
  
  leveneTest(selfesteem_new$qsum ~ selfesteem_new$gender) # To test the assumption of homogeneity of variance
# Error message: Levene's test is not appropriate with quantitative explanatory variables.
# I don't know how to deal with this problem. Could you please explain it on Monday.

library("car")
leveneTest(Dataset_new$QSUm, Dataset_new$gender)

---
  
  # Data[c("Q1":"Q10")] # tento příkaz na selekci nefunuguje, proč?
  
  ---
  
  # In Python I would use for cycle to find the p value for each pair. Is there something similar in R?