#apri librerie
library(psych)

#apri il file
dati <- read.table("I:/Documents/Backup Finale/080807Backup01/Documenti/Genova/Didattica/Lezioni SMID/BFA.csv", header=TRUE, sep=",")

#Il file contiene le seguenti variabili

#ID = codice identificativo del partecipante

#Genere: 0 = Femmina; 1 = Maschio

#Età (anni)

#Istruzione: 0 = Nessuno; 1 = Licenza Elementare; 2 = Licenza Media; 3 = Diploma Scuola Media Superiore; 
#4 = Laurea Triennale; 5 = Laurea Magistrale; 6 = Titolo studio post-secondario

#Occupazione: 0 = Disoccupato; 1 = Libero professionista / Imprenditore; 2 = Dirigente / Docente Universitario; 
#3 = Insegnante; 4 = Artista; 5 = Impiegato; 6 = Commerciante; 7 = Operaio industriale / agricolo; 8 = Studente; 
#9 = Pensionato; 10 = Casalinga; 11 = Artigiano; 12 = Commesso; 13 = Infermiere; 14 = Educatore; 15 = Altro

#Stato_civ: 1 = Celibe/Nubile; 2 = Convivente; 3 = Coniugato; 4 = Separato; 5 = Divorziato; 6 = Vedovo

#Seguono i 25 item del test, così raggruppati nelle scale (NB: R = item reverse):
#Estroversione: 1, 6R, 11, 16, 21R
#Amicalità: 2R, 7, 12R, 17, 22
#Coscienziosità: 3, 8, 13R, 18R, 23
#Nevroticismo: 4, 9R, 14, 19R, 24
#Apertura: 5R, 10, 15R, 20, 25


#######################################
#########ANALISI DEGLI ITEM############
#######################################

#Invertire i punteggi degli item reverse
dati$bfa02_Polemico=6-dati$bfa02_Polemico
dati$bfa05_Tradizionalista=6-dati$bfa05_Tradizionalista
dati$bfa06_Timido=6-dati$bfa06_Timido
dati$bfa09_Equilibrato=6-dati$bfa09_Equilibrato
dati$bfa12_Litigioso=6-dati$bfa12_Litigioso
dati$bfa13_Distratto=6-dati$bfa13_Distratto
dati$bfa15_Abitudinario=6-dati$bfa15_Abitudinario
dati$bfa18_Disordinato=6-dati$bfa18_Disordinato
dati$bfa19_Ottimista=6-dati$bfa19_Ottimista
dati$bfa21_Riservato=6-dati$bfa21_Riservato

#inserire punteggi degli item in un subset
bfa = dati[c(7:31)]
ext = dati[c(7,12,17,22,27)]
ami = dati[c(8,13,18,23,28)]
con = dati[c(9,14,19,24,29)]
neu = dati[c(10,15,20,25,30)]
ope = dati[c(11,16,21,26,31)]


#Statistiche descrittive con skewness e curtosi
describe(bfa)

#Analisi degli item per le scale
alpha(ext)
alpha(ami)
alpha(con)
alpha(neu)
alpha(ope)

#correlazioni Pearson e policoriche
pears = cor(bfa)
polyc = polychoric(bfa)
#inserisce dentro un oggetto la matrice di correlazione policorica
pol = polyc$rho


#######################################
####ANALISI FATTORIALE ESPLORATIVA#####
#######################################



#esegue la parallel analysis per decidere il numero di fattori da estrarre
#NB: fornisce anche lo scree-plot
paral=fa.parallel(bfa)
#esegue la parallel analysis su matrice policorica
fa.parallel(bfa, fm="pa")

#esegue l'analisi delle componenti principali
pca=principal(bfa, nfactors = 5, rotate="promax")
#ordina la pattern matrix in base alle saturazioni
print.psych(pca, sort=T)

#esegue l'analisi fattoriale
paf = fa(bfa,nfactors=5,rotate="promax")
#ordina la pattern matrix in base alle saturazioni
print.psych(paf, sort=T)
#esegue l'analisi fattoriale con matrice policorica
paf.poly = fa.poly(bfa,nfactors=5,rotate="promax")
print.psych(paf.poly, sort=T)


#######################################
####ANALISI FATTORIALE CONFERMATIVA####
#######################################
library(lavaan)

#specifica il modello a 5 fattori
BigFive <- ' Ext  =~ bfa01_Loquace+bfa06_Timido+bfa11_Vivace+bfa16_Socievole+bfa21_Riservato
Ami =~ bfa02_Polemico+bfa07_Comprensivo+bfa12_Litigioso+bfa17_Affettuoso+bfa22_Altruista
Con =~ bfa03_Scrupoloso+bfa08_Responsabile+bfa13_Distratto+bfa18_Disordinato+bfa23_Organizzato
Neu =~ bfa04_Ansioso+bfa09_Equilibrato+bfa14_Emotivo+bfa19_Ottimista+bfa24_Insicuro
Ope =~ bfa05_Tradizionalista+bfa10_Curioso+bfa15_Abitudinario+bfa20_Interessato+bfa25_Aperto '

#Testa il modello
fit <- cfa(BigFive, data=bfa)
summary(fit,fit.measures=TRUE,standardized=T)

#indici di modifica
modindices(fit)

#usa gli item com ordinali
fit.o <- cfa(BigFive, data = bfa,ordered=c("bfa01_Loquace","bfa02_Polemico",
          "bfa03_Scrupoloso","bfa04_Ansioso","bfa05_Tradizionalista","bfa06_Timido",
          "bfa07_Comprensivo","bfa08_Responsabile","bfa09_Equilibrato","bfa10_Curioso",
          "bfa11_Vivace","bfa12_Litigioso","bfa13_Distratto","bfa14_Emotivo",
          "bfa15_Abitudinario","bfa16_Socievole","bfa17_Affettuoso","bfa18_Disordinato",
          "bfa19_Ottimista","bfa20_Interessato","bfa21_Riservato","bfa22_Altruista",
          "bfa23_Organizzato","bfa24_Insicuro","bfa25_Aperto" ))
summary(fit.o,fit.measures=TRUE,standardized=T)

#grafico della CFA
library(semPlot)
semPaths(fit)

#grafico con proprietà degli oggetti (tipo tree)
semPaths(fit,
         whatLabels="std",
         #layout
         layout="tree",
         #dimensione caratteri
         edge.label.cex = 0.6,
         #colore frecce
         edge.color="black",
         #spessore bordi
         esize=2,
         #dimensione frecce
         asize=3,
         #dimensione indicatori
         sizeMan=4,
         #dimensione latenti
         sizeLat=6,
         #spessore ovali e rettangoli
         sizeInt=2,
         curvePivot = T)

#grafico con proprietà degli oggetti (tipo circle)
semPaths(fit,
         whatLabels="std",
         #layout
         layout="circle",
         #dimensione caratteri
         edge.label.cex = 0.6,
         #colore frecce
         edge.color="black",
         #spessore bordi
         esize=2,
         #dimensione frecce
         asize=3,
         #dimensione indicatori
         sizeMan=4,
         #dimensione latenti
         sizeLat=6,
         #spessore ovali e rettangoli
         sizeInt=2,
         curvePivot = TRUE)


#######################################
####MODELLO INDICATORI FORMATIVI#######
#######################################

#Modello a indicatori formativi per Estroversione come predittore di Coscienziosità
Form <- ' Ext  <~ 1*bfa01_Loquace+bfa06_Timido+bfa11_Vivace
Con =~ bfa03_Scrupoloso+bfa08_Responsabile+bfa13_Distratto
Con ~ Ext'
fit.form <- cfa(Form, data=bfa)
summary(fit.form,fit.measures=TRUE,standardized=T)
semPaths(fit.form, layout="circle")

#######################################
####MODELLO EQUAZIONI STRUTTURALI######
#######################################
library(lavaan)
library(semPlot)

#specifica il modello a 5 fattori di primo ordine e un fattore di secondo ordine
Secondo <- ' Ext  =~ bfa01_Loquace+bfa06_Timido+bfa11_Vivace+bfa16_Socievole+bfa21_Riservato
Ami =~ bfa02_Polemico+bfa07_Comprensivo+bfa12_Litigioso+bfa17_Affettuoso+bfa22_Altruista
Con =~ bfa03_Scrupoloso+bfa08_Responsabile+bfa13_Distratto+bfa18_Disordinato+bfa23_Organizzato
Neu =~ bfa04_Ansioso+bfa09_Equilibrato+bfa14_Emotivo+bfa19_Ottimista+bfa24_Insicuro
Ope =~ bfa05_Tradizionalista+bfa10_Curioso+bfa15_Abitudinario+bfa20_Interessato+bfa25_Aperto 
Gen =~ Ext + Ami + Con + Neu + Ope'
fit2 <- cfa(Secondo, data=bfa)
summary(fit2,fit.measures=TRUE,standardized=T)
semPaths(fit2)

#Modello equazioni strutturali: Amicalità predice Nevroticismo
sem <- 'Ami =~ bfa02_Polemico+bfa07_Comprensivo+bfa12_Litigioso+bfa17_Affettuoso+bfa22_Altruista
Neu =~ bfa04_Ansioso+bfa09_Equilibrato+bfa14_Emotivo+bfa19_Ottimista+bfa24_Insicuro
Neu ~ Ami'
fit.sem <- sem(sem, data=bfa)
summary(fit.sem,fit.measures=TRUE,standardized=T)
semPaths(fit.sem, layout="circle")

#MIMIC Model: età e genere predicono punteggi nelle variabili latenti
mimic = dati[c(2,3,7:31)]
MM <- ' Ext  =~ bfa01_Loquace+bfa06_Timido+bfa11_Vivace+bfa16_Socievole+bfa21_Riservato
Ami =~ bfa02_Polemico+bfa07_Comprensivo+bfa12_Litigioso+bfa17_Affettuoso+bfa22_Altruista
Con =~ bfa03_Scrupoloso+bfa08_Responsabile+bfa13_Distratto+bfa18_Disordinato+bfa23_Organizzato
Neu =~ bfa04_Ansioso+bfa09_Equilibrato+bfa14_Emotivo+bfa19_Ottimista+bfa24_Insicuro
Ope =~ bfa05_Tradizionalista+bfa10_Curioso+bfa15_Abitudinario+bfa20_Interessato+bfa25_Aperto 
Ext ~ Genere +eta
Ami ~ Genere +eta
Con ~ Genere +eta
Neu ~ Genere +eta
Ope ~ Genere +eta'
fit.mm <- sem(MM, data=mimic)
summary(fit.mm,fit.measures=TRUE,standardized=T)
semPaths(fit.mm, layout="tree")

#Differential item functioning: effetto di età e genere sugli item di estroversione
dif <- ' Ext  =~ bfa01_Loquace+bfa06_Timido+bfa11_Vivace+bfa16_Socievole+bfa21_Riservato
bfa01_Loquace ~ Genere +eta
bfa06_Timido ~ Genere +eta
bfa11_Vivace ~ Genere +eta
bfa16_Socievole ~ Genere +eta
bfa21_Riservato ~ Genere +eta'
fit.dif <- sem(dif, data=mimic)
summary(fit.dif,fit.measures=TRUE,standardized=T)
semPaths(fit.dif, layout="tree")