G1_5_CAlaaj1.Rmd

```{r G1_5_paketit, eval = FALSE, include=FALSE}
# Paketit 1.2.20, kommentoin pois ne joita ei ole käytetty (likert, stargazer)
library(rgl)
library(ca)
library(haven)
library(dplyr)
library(knitr)
library(tidyverse)
library(lubridate)
library(rmarkdown)
library(ggplot2)
library(furniture)
# library(likert) # ei käytetty(1.2.20)
library(scales) # G_1_2 - kuva
library(reshape2)  # G_1_2 - kuva
library(printr) #19.5.18 taulukoiden ja matriisien tulostukseen
# library(stargazer) # 28.5.2018 taulukoiden yms. tulostukseen,ei käytetty(1.2.20)

#Uusia 13.6.2018
library(bookdown)
library(tinytex)
# Uusia 1/2020
library(assertthat)
# library(testthat)
#
#r-skripteillä riittää, kun ajaa tämän
# sessionInfo()
```

# Yksinkertaisen korrespondenssianalyysin laajennuksia 2

Kaksi ensimmäistä lukua ehkä omaksi kokonaisuudeksi, ohitetaan aika kevyesti.


## Matriisien yhdistäminen (stacked and concatenated matices)

Pinotuista tauluista yksinkertainen esimerkki rajatulla aineistolla, selitetään
periaate. Ei laajenneta aineistoa, sillä puuttuvat tiedot aiheuttavat pulmia joihin
sopii parhaiten MCA. MCA on muuttujien välisten suhteiden analyysiä, näin puuttuvista
tiedosta saadan otetta.

Ref:CAip, CA_Week2.pdf (kalvot MCA-kurssilta 2017)


Concatenated tables (yhdistetyt taulut tai matriisit):
(a) kaksi luokittelumuuttujaa (b) useita muuttujia stacked ("pinotaan").

MCA 2017 laskareissa ja kalvoissa esitetään, miten nämä saadaan kätevästi
CA-paketin MJCA-funktion BURT-optiolla.

```{r concatDat1}
# Data
ISSP2012Concat1jh.dat <- select(ISSP2012esim1b.dat, Q1b, maa,sp, age_cat)

# mjca-funktiota ->  Burt-matriisi
Concat1jh.Burt <- mjca(ISSP2012Concat1jh.dat, ps="")$Burt

# Burt-matriisi symmetrinen
#dim(Concat1jh.Burt)
# 19 x 19
#rownames(Concat1jh.Burt)
#[1] "Q1bS"     "Q1bs"     "Q1b?"     "Q1be"     "Q1bE"     "maaBE"    "maaBG"    "maaDE"    "maaDK"
#[10] "maaFI"    "maaHU"    "spm"      "spf"      "age_cat1" "age_cat2" "age_cat3" "age_cat4" "age_cat5"
#[19] "age_cat6"

# maat - vastaukset
ISSP2012Concat2jh.dat <- Concat1jh.Burt[6:11, 1:5]
# ISSP2012Concat2jh.dat
# sukupuoli ja vastaukset
ISSP2012Concat2jh.dat <- rbind(ISSP2012Concat2jh.dat, Concat1jh.Burt[12:13 ,1:5])
# ISSP2012Concat2jh.dat
# ikäluokka ja vastaukset
ISSP2012Concat2jh.dat <- rbind(ISSP2012Concat2jh.dat, Concat1jh.Burt[14:19 ,1:5])
# ISSP2012Concat2jh.dat

Concat1jh.CA1 <- ca(ISSP2012Concat2jh.dat)
# plot(Concat1jh.CA1)

# Siistitään muuttujien nimet

Concat1jh.CA1$colnames <- c("S", "s", "?", "e", "E")
Concat1jh.CA1$rownames <- c("BE", "BG", "DE", "DK", "FI", "HU", "m", "f",
                            "a1", "a2", "a3", "a4", "a5", "a6")
# Käännetään kuva x-akselin ympäri
Concat1jh.CA1$rowcoord[, 2] <- -Concat1jh.CA1$rowcoord[, 2]
Concat1jh.CA1$colcoord[, 2] <- -Concat1jh.CA1$colcoord[, 2]

```

Piirretään karttoja.

```{r concatplot1, fig.asp=1,fig.cap="Pinottu matriisi - kartta 1"}
# Kooridnaatit käännetty edellisessä koodilohkossa
# Symmetrinen kartta paras, kontribuutiokartta vektoireilla myös aika hyvä

par(cex = 0.6)
plot(Concat1jh.CA1,
     main = "Pinottu taulukko - symmetrinen kuva1",
     sub = "a1-a6 ikäluokat, m = miehet, f = naiset, Q1b (cex=0.6)"
     )
plot(Concat1jh.CA1,
     main = "Pinottu taulukko - symmetrinen kuva1",
     sub = "a1-a6 ikäluokat, m = miehet, f = naiset, Q1b"
     )
plot(Concat1jh.CA1, map = "rowgreen",
     arrows = c(FALSE, TRUE),
     main = "Pinottu taulukko - kontribuutiokartta",
     sub = "a1-a6 ikäluokat, m = miehet, f = naiset, Q1b"
     )

# Muutama rivipiste ja taustamuuttujat tiukkana nippuna origon ympärillä
#plot(Concat1jh.CA1, map = "rowgreen",
#     main = "Pinottu taulukko - kontribuutiokartta",
#     sub = "a1-a6 ikäluokat, m = miehet, f = naiset, Q1b"
#     )

# Tukkoinen kuva - rajataan pois HU ja BG (rivit 2, 6)
# dim(ISSP2012Concat2jh.dat)
summary(Concat1jh.CA1)
```

Kartan tulkinta; miten eroaa yhteisvaikutusmuuttujan analyysistä?

1. Perustulkinta akseleille ei muutu, mutta s-sarake on kiusallisesti enemmän
oikealla kuin S. Maapisteiden sijaiti ei juuri muutu.

Mikä on  maapisteiden ja kahden selittävän (eksogeenisen) muuttujan pisteiden
yhteys sarakepisteisiin?

Koko aineiston kartassa ikäluokkapisteet ja sukupuolipisteet ovat pakkautuneet
maapisteitä tiiviimmin origon ympärille. Ikäluokkapisteiden (koko aineiston
keskiarvot) selvä kontrasti on vanhimman (a6)ja toiseksi nuorimman välillä
1. dimenision suuntaan.

Ikäluokkapisteet ovat koko aineiston keskiarvopisteitä, niiden sijantia voi
tulkita pistejoukko kerrallaan kuten maapisteidenkin. Mitään yhteisvaikutuksia ei
analysoida eksplisiittisesti. Karttaa voi verrata sukupuoli-ikäluokka
yhteisvaikutusmuuttujan analyysin aiemmin. Naispiste on tiukassa nipussa
ikäluokkien a3 ja a4 kanssa aivan origon vasemmalla puolella. Miesten
keskiarvopiste on hieman origosta oikealle, yhdessä ikäluokan a5 kanssa.

**Taustamuuttujat: numeeristen tulosten tarkastelua**

Lisäpisteet on hyvin esitetty, niiden etäisyyksiä voi luotettavasti arvioida
kuvasta. Poikkeus on nuorin ikäluokka (a1, qlt = 501). Inertian osuudet (inr)
ovat yhtä vaatimattomia kuin Belgian (28) ja Saksan (29),
(m =20, f = 17, a2 = 40, a6 = 83), samoin kontribuutiot akseleiden
inertiaan. 1. dimension kontribuutio (cor) on suuri (>800) kaikilla paitsi
nuorimmalla ikäryhmällä (a1) jolla 2. dimension selittää lähes puolet sen
inertiasta (470).

```{r concatplot2, fig.asp=1,fig.cap="Pinottu matriisi - osajoukko (HU, BG pois)"}

subConcat2jh.CA1 <- ca(ISSP2012Concat2jh.dat[,1:5], subsetrow = c(1:1, 3:5, 7:14))
subConcat2jh.CA1$colnames <- c("S", "s", "?", "e", "E")
subConcat2jh.CA1$rownames <- c("BE", "DE", "DK", "FI", "m", "f",
                           "a1", "a2", "a3", "a4", "a5", "a6")
par(cex = 0.6)
plot(subConcat2jh.CA1,
     main = "Pinottu taulukko - subsetCA",
     sub = "a1-a6 ikäluokat, m = miehet, f = naiset, Q1b"
     )

# Kontribuutiokuva
par(cex = 0.6)
plot(subConcat2jh.CA1, map = "rowgreen",
     arrows = c(FALSE, TRUE),
     main = "Pinottu taulukko - subsetCA - kontrib.kartta",
     sub = "a1-a6 ikäluokat, m = miehet, f = naiset, Q1b"
     )

summary(subConcat2jh.CA1)

```


Kun Bulgaria ja Unkari jätetään pois, origon lähelle pakkautuneet pistet erottuvat
hieman paremmin (osajoukon CA). 

Osajoukon analyysin kontribuutiokartta muuttuu:

- sarakevektorit kääntyvät vasemmalle
- S ja s päällekkäin, neutraali katgoria lähes x-akselin suuntainen
- nyt S- ja s-pisteet ovat oikeassa järjestyksessä, mutta s-sarakkeen
kontribuutio on suurempi. S-sarakkeen kontribuutio on hieman suurempi y- akselilla
kuin x-akselilla. Vekt
- maltillisesen erimielidyyden sarake e on nyt oikealla, konservatiivisella
puolella

Numeerisista tuloksista kartalla hyvin esitetettyjen taustamuuttujapisteiden
(poikkeuksena nuorin ikäluokka a1) kontribuutiot akseleille ovat vaatimattomia.
Sukupuolimuuttujat selittävät vain x-akselia, samoin viisi nuorinta ikäluokkaa.
Vanhin ikäluokka a6 on poikeava, sen kontribuutiot molemmille akseleille ovat
eri suuruusluokkaa kuin muilla (x 132, y 165). Nuorin ikäluokka selittää vain
y-akselin hajontaa, a2 ja a6 molempia ja keskimmäiset vain x-akselia.

Iän ja sukupuolen erilliset vaikutukset eivät ole aivan yksinkertaisia.
**edit 17.10.20** Barysentrisen ominaisuudet?

Inertian dekomponointi alimatriiseille.

Tärkeä oletus: reunajakaumat tauluissa samat, ei puuttuvia tietoja muuttujissa.


### Matched matrices

**Huom! (16.10.20** Jos ja kun ei tehdä analyysiä, ei tarvitse omaa jaksoa.
Kannattaa mainita, ehkävain teoriajaksossa? Idea: matriisien yhdistämisellä
saadaan ote monenlaiseen tutkimusongelmaan. Benzecri: data-analyysissä on vain
löydettävä oikea matriisi joka diagonalisoidaan.


Ref:CAip ss. 177, HY2017_MCA, Greenacre JAS 2013 (sovellus ISSP 1989,4 kysymystä
'pitäisikö äidin olla kotona', 8 maata), tässä artikkelissa "SVD-based methods",
joista yksi CA (muut biplots, PCA, compositional data/log ratios).

Edellisen menetelmän variantti, jossa ryhmien väliset ja sisäiset erot saadaan
esiin. Inertian jakaminen.

Samanlaisten rivien ja sarakkeiden kaksi samankokoista taulua, esimerkiksi
sukupuolivaikutusten arviointi. Alkuperäinen taulukko jaetaan kahdeksi tauluksi
sukupuolen mukaan. Matriisien yhdistäminen (concatenation) riveittäin tai
sarakkeittain ei näytä optimaalisesti mm - matriisien eroja.

Ryhmien välisen ja ryhmien sisäinen inertian erottaminen, **ABBA**
on yksi ratkaisu (ABBA matrix, teknisesti block circular matrix).

Luokittelu voi olla myös kahden indikaattorimuuttujan avulla jako neljään
taulukkoon (esim. miehet vs. naiset länsieuroopassa verratuna samaan asetelmaan
itä-Euroopassa). Samaa ideaa laajennetaan.

Esimerkkinä "Attitudes to women working in 2012".


## MCA - multiple correspondence analysis

MCA on samantyyppisten luokitteluasteikon muuttujien välisten yhteyksien analyysiä.

**Data**
Substanssimuuttujien (kysymysten) ja taustamuuttujien (demografiset, koulutus,
asuinpaikka) analyysissä ydin on substanssimuuttujien välisissä suhteissa.

Subsanssimuuttujista valitaan seitsemän kysymystä (naisten rooli työmarkkinoilla)
joissa vastausvaihtoehtoja on viisi. Tämä on suositus tai yleinen käytäntö, joka
yksinkertaistaa analyysiä.

Taustamuuttujista valitaan kolme: koulutustaso edu ja asuinpaikka urbru ovat (jos
tiedokeruun erot unohdetaan) taustatietoja.Kolmas muuttujasosta/"Top-Bottom self-placement")
on kysymys mutta ei pohdita tätä enempää.

Lisämuuttujina ovat sukupuoli (sp), maa ja ikä. Ikä luokitellaan kuuteen ryhmään
ja luodaan ikäluokan ja sukupuolen yhteisvaikutusmuuttuja ga.
```{r G1-5-isodat1}

# str(ISSP2012jh1d.dat) - luotu skripteissä G1_1_data2.Rmd ja G1_1_data_fct1.Rmd

#Valitaan muuttujat joissa puuttuva tieto on koodattu muuttujan arvoksi

MCAvars1 <-  c("Q1am","Q1bm", "Q1cm", "Q1dm","Q1em","Q2am","Q2bm","edum",
                 "sostam", "urbrum", "maa", "ika", "sp" )

MCAdata1jh.dat <- ISSP2012jh1d.dat %>% select(all_of(MCAvars1))
dim(MCAdata1jh.dat)
names(MCAdata1jh.dat)

# luodaan ikaluokka-muuttuja ja ikäluokka-sukupuoli - muuttuja
#age_cat
#ikä 1=15-25, 2 =26-35, 3=36-45, 4=46-55, 5=56-65, 6= 66 and older
MCAdata1jh.dat <- mutate(MCAdata1jh.dat, age_cat = ifelse(ika %in% 15:25, "1",
                                ifelse(ika %in% 26:35, "2",
                                ifelse(ika %in% 36:45, "3",
                                ifelse(ika %in% 46:55, "4",
                                ifelse(ika %in% 56:65, "5", "6"))))))

# str(MCAdata1jh.dat$age_cat)

MCAdata1jh.dat <- MCAdata1jh.dat %>%
        mutate(age_cat = as_factor(age_cat))
#tarkastuksia - outo järjestys
#levels(MCAdata1jh.dat$age_cat)
# str(MCAdata1jh.dat$age_cat)
MCAdata1jh.dat<- MCAdata1jh.dat %>%
        mutate(age_cat = fct_relevel(age_cat,
                                   "1",
                                   "2",
                                   "3",
                                   "4",
                                   "5",
                                   "6"))

# Tarkistuksia(16.10.20)

MCAdata1jh.dat %>%
        tableX(maa,age_cat,type = "count") #%>%
        #kable(digits = 2, caption = "Ikäluokka age_cat")

MCAdata1jh.dat %>%
        tableX(maa,age_cat,type = "row_perc") #%>%
        #kable(digits = 2, caption = "age_cat: suhteelliset frekvenssit")


# Ikäluokka-sukupuoli - muuttuja
MCAdata1jh.dat <- mutate(MCAdata1jh.dat,
                             ga = case_when((age_cat == "1")&(sp == "m") ~ "m1",
                                (age_cat == "2")&(sp == "m") ~ "m2",
                                (age_cat == "3")&(sp == "m") ~ "m3",
                                (age_cat == "4")&(sp == "m") ~ "m4",
                                (age_cat == "5")&(sp == "m") ~ "m5",
                                (age_cat == "6")&(sp == "m") ~ "m6",
                                (age_cat == "1")&(sp == "f") ~ "f1",
                                (age_cat == "2")&(sp == "f") ~ "f2",
                                (age_cat == "3")&(sp == "f") ~ "f3",
                                (age_cat == "4")&(sp == "f") ~ "f4",
                                (age_cat == "4")&(sp == "f") ~ "f4",
                                (age_cat == "5")&(sp == "f") ~ "f5",
                                (age_cat == "6")&(sp == "f") ~ "f6",
                                TRUE ~ "missing"
                                ))


#Sosiaalinen status: oma arvio "Top-Bottom self-placement"
str(ISSP2012jh1d.dat$sosta)
str(ISSP2012jh1d.dat$urbru)
str(ISSP2012jh1d.dat$edu)
#Koulutustaso
str(ISSP2012jh1d.dat$edu)

#Asuipaikka
str(ISSP2012jh1d.dat$urbru)

# Muunnetaan faktorimuuttujia, mahdollisimman lyhyet tunnisteet kategorioille
MCAdata1jh.dat <- MCAdata1jh.dat %>%
mutate(E = fct_recode(edum,
        "1" = "No formal education",
        "2" = "Primary school (elementary school)",
        "3" = "Lower secondary (secondary completed does not allow entry to university: obligatory school)",
        "4" = "Upper secondary (programs that allows entry to university",
        "5" = "Post secondary, non-tertiary (other upper secondary programs toward labour market or technical formation)",
        "6" = "Lower level tertiary, first stage (also technical schools at a tertiary level)",
        "7" = "Upper level tertiary (Master, Dr.)",
        "P" = "missing"),
       S = fct_recode(sostam,
         "1" = "Lowest, Bottom, 01",
         "2" = "02",
         "3" = "03",
         "4" = "04",
         "5" = "05",
         "6" = "06",
         "7" = "07",
         "8" = "08",
         "9" = "09",
         "10"= "Highest, Top, 10",
         "P" = "missing"),
       U = fct_recode(urbrum,
        "1" = "A big city",
        "2" = "The suburbs or outskirts of a big city",
        "3" = "A town or a small city",
        "4" = "A country village",
        "5" = "A farm or home in the country",
        "P" = "missing")
        )

names(MCAdata1jh.dat)
dim(MCAdata1jh.dat)
MCAdata1jh.dat$E %>% levels()
MCAdata1jh.dat$S %>% levels()
MCAdata1jh.dat$U %>% levels()
MCAdata1jh.dat$age_cat %>% levels()
str(MCAdata1jh.dat$ga) # toimiikohan - chr-muuttuja? (16.10.20)

MCAdata1jh.dat <- MCAdata1jh.dat %>%
mutate(gaf = as_factor(ga))

str(MCAdata1jh.dat$gaf)
levels(MCAdata1jh.dat$gaf) # järjestyksellä ei liene väliä? (16.10.20)

# gaf ja ga: sama järjestys

MCAdata1jh.dat <- MCAdata1jh.dat %>%
       mutate(gaf = fct_relevel(gaf,
                                 "f1",
                                 "f2",
                                 "f3",
                                 "f4",
                                 "f5",
                                 "f6",
                                 "m1",
                                 "m2",
                                 "m3",
                                 "m4",
                                 "m5",
                                 "m6"))

# Lopuksi substanssimuuttutien nimet lyhyiksi

MCAdata1jh.dat <- MCAdata1jh.dat %>% mutate(a1 = Q1am,
                                            b1 = Q1bm,
                                            c1 = Q1cm,
                                            d1 = Q1dm,
                                            e1 = Q1em,
                                            a2 = Q2am,
                                            b2 = Q2bm)

#Tarkistus

# MCAdata1jh.dat %>% tableX (a1, Q1am)
# MCAdata1jh.dat %>% tableX (b1, Q1bm)
# MCAdata1jh.dat %>% tableX (c1, Q1cm)
# MCAdata1jh.dat %>% tableX (d1, Q1dm)
# MCAdata1jh.dat %>% tableX (e1, Q1em)
# MCAdata1jh.dat %>% tableX (a2, Q2am)
# MCAdata1jh.dat %>% tableX (b2, Q2bm)
# MCAdata1jh.dat %>% tableX(gaf, ga)

# Perustietoja

MCAdata1jh.dat %>% tableX (maa,a1, type = "row_perc")
MCAdata1jh.dat %>% tableX (maa,b1, type = "row_perc")
MCAdata1jh.dat %>% tableX (maa,c1, type = "row_perc")
MCAdata1jh.dat %>% tableX (maa,d1, type = "row_perc")
MCAdata1jh.dat %>% tableX (maa,e1, type = "row_perc")
MCAdata1jh.dat %>% tableX (maa,a2,type = "row_perc")
MCAdata1jh.dat %>% tableX (maa,b2,type = "row_perc")

MCAdata1jh.dat %>% tableX(gaf, ga,type = "row_perc")
MCAdata1jh.dat %>% tableX(maa, age_cat,type = "row_perc")
MCAdata1jh.dat %>% tableX(maa, gaf,type = "row_perc")
MCAdata1jh.dat %>% tableX(maa, S, type = "row_perc")
MCAdata1jh.dat %>% tableX(maa, U, type = "row_perc")
MCAdata1jh.dat %>% tableX(maa, E, type = "row_perc")

```

Taustamuuttujien taulukoissa on yllättävän isoja eroja, jotkut taulukoiden luokat
ovat nollia tai hyvin vähän havaintoja. Luokkia pitäisi ehkä yhdistellä,jo pelkästään
"kuvaroskan" takia. Ei tehdä.

**Puuttuneisuuden yleiskuva**
```{r MCAmissing, eval = FALSE, include = TRUE, echo = TRUE}
# Puuttuvien tietojen yleiskuva

# Puuttuvat tiedot aineistossa - viite datan dokumentointiin jossa taulukot.
# Vaihtelee maittain ja muuttujittain, paljon.

# Koko data (G1_1_data2.Rmd - skriptissä valitut muuttujat ja 25 maata)
#
#sum(!complete.cases(ISSP2012jh1d.dat)) = 9455
#dim(ISSP2012jh1d.dat) = 32823
#9455/32823 = 0.2880602

# Puuttuvat tiedot valitussa MCA-aineistossa

#missingMCAvars1 <-  c("Q1a","Q1b", "Q1c", "Q1d","Q1e","Q2a","Q2b","edu",
#                 "sosta", "urbru", "maa", "ika", "sp" )
#missingTestMCA1.dat <- ISSP2012jh1d.dat %>% select(all_of(missingMCAvars1))

#sum(!complete.cases(missingTestMCA1.dat)) = 6101
#dim(missingTestMCA1.dat) = 32823
#6101/32823 = 0.1858758 Puuttellisten havaintojen osuus.

```


Koko tähän tutkimukseen valitussa aineistossa (25 maata ja muuttujat, poistettu
havainnot joissa ikä tai sukupuoli puuttuu) 71% havainnoista on kaikki tiedot.

MCA-analyyseihin valitun 7 + 3 = 10 muuttujan aineiston havainnoista 81% on
vailla puuttuvia tietoja. Jos puuttuvat tiedot poistetaan (ns. "listwise delete"
poistetaan jos yksi tai useampi tieto puuttuu) viidesosa datasta jää pois.
Kannattaako puuttuvia tietoja hieman analysoida?


Datassa edellisen luvun ikäluokka-sukupuoli - muuttuja.

**edit** Tässä keskityttävä data-analyysin **tutkimusongelmiin**, johdantoa MCA-lukuun.


## MCA
```{r MCAmap1, fig.asp = 1, fig.cap="MCA-kartta: viiden vastausvaihtoehdon kysymykset", out.width = "90%",fig.align = "center"}
# Ensimmäiset MCA-kartat - viiden vastausvaihtoehdon kysymykset ja puuttuvat tiedot

# glimpse((MCAdata1jh.dat))
mcaDat11jh.dat <- MCAdata1jh.dat %>% select(a1,b1,c1, d1, e1,a2,b2)
 glimpse(mcaDat11jh.dat)

Qmuuttujat1.mca <- mjca(mcaDat11jh.dat, ps="")

# ps="" muuttujan ja sen kategorian eroitinmerkki
par(cex=0.6)
plot.mjca(Qmuuttujat1.mca,
          main = "Seitsemän kysymystä MCA 1",
          sub = "vastaukset S-s-?-e-E-P ")
plot.mjca(Qmuuttujat1.mca, labels = c(2,1),
          main = "Viiden vastausvaihtoehdot 7 kysymystä",
          sub = "vastaukset S-s-?-e-E-P ")
plot.mjca(Qmuuttujat1.mca, labels = c(1,2),
          main = "Viiden vastausvaihtoehdot 7 kysymystä",
          sub = "vastaukset S-s-?-e-E-P "
          )

# EI TOIMI pch = c(19, 1, 17,24)(pisteen symboli) 16.10.20
#
# pch Vector of length 4 giving the type of points to be used for row active and
# supplementary, column active and supplementary points

par(cex=0.6)
plot.mjca(Qmuuttujat1.mca, what = c("all","all"),labels = c(0,2),
          col = c("lightblue", "red"),
          main = "Viiden vastausvaihtoehdot 7 kysymystä",
          sub = "vastaukset S-s-?-e-E-P "
          )


summary(Qmuuttujat1.mca)
#X11()
# subsetcat = (6,12,18,24,30,36,42) - väärä formaatti
# subsetcat=(1:42)[-c(1:5,7:11,13:17,19:23,24:29,31:35, 37:41)]) väärä formaatti

#subsetcat viittaa muuttujan luokkien indeksiin

eiPvastaukset <- (1:42)[-c(6,12,18,24,30,36,42)]
# eiPvastaukset
#  puuttuva tieto on kuudes kategora kaikilla kysymyksillä
# 1  2  3  4  5  7  8  9 10 11 13 14 15 16 17 19 20 21 22 23 25 26 27 28 29 31
# 32 33 34 35 37 38 39 40 41

mcaDat11jh.dat[1:5,]

Qmuuttujat2.mca <- mjca(mcaDat11jh.dat, ps="", subsetcat=eiPvastaukset)

plot.mjca(Qmuuttujat2.mca,
          main="Seitsemän kysymystä, viisi vastausvaihtoehtoa",
          sub = "subset: ei puuttuvien vastausten kategoriaa (*P)")
                

plot.mjca(Qmuuttujat2.mca,
          what = c("all","all"),labels = c(0,2),
          col = c("lightblue", "red"),
          main="Seitsemän kysymystä, viisi vastausvaihtoehtoa",
          sub = "subset: ei puuttuvien vastausten kategoriaa (*P)")

summary(Qmuuttujat2.mca)


# mutta ei hyväksy viimeisiä sarakkeita poistettaviksi (37:41)
#Qmuuttujat3.mca <- mjca(mcaDataJH2.dat, ps="", subsetcat=(1:42)[-c(1:5, 7:11, 13:17, 19:23,25:29,31:35)])

#plot.mjca(mca1Qmuuttujat3)
#summary(mca1Qmuuttujat3)

#mca1Qmuuttujat3 <- mjca(mcaDataJH2.dat, ps="", subsetcat=(1:42)[-c(1:5, 7:11, 13:17, 19:23,25:29,31:35, 37:41)])

#pchlist()

```

### subset MCA ja täydentävät sarakkeet (19.10.20)

**Jostain syystä en saa toimimaan mjca-funktiossa subsecat - parametrin kanssa
täydentäviä muuttujia supcol. Niinpä kartat ovat vähän kehnoja, sillä puuttuvien
tietojen kategoriat määrittävät omalta osaltaan koordinaatistoa**

Niiden kontribuutiot ovat isot, ja massat aika pieniä. Esimerkkitapaus, jossa
jotkut havainnot vaikuttavat karttaan aivan liikaa!

Käsityönä voisi lisäillä pisteitä karttaan, joka on piirretty ilman puuttuvia
tietoja.


```{r MCAmap2, echo=TRUE}
# Täydentävät sarakkeet - ei toimi! (19.20.20)
# dim(mcaDat11jh.dat) 7 kysymystä
dim(MCAdata1jh.dat)
str(MCAdata1jh.dat)
# Data: 7 kysymystä, täydentävät muuttujat maa, sp, S (status), U (asuinpaikka),
# E (koulutustaso)

mcaDat21jh.dat <- MCAdata1jh.dat %>% select(a1,b1,c1, d1, e1,a2,b2,E,S,U,maa,gaf)
str(mcaDat21jh.dat)
dim(mcaDat21jh.dat)
glimpse(mcaDat21jh.dat)

# kysymysten puuttuvat pois subsetcat=(1:42)[-c(6,12,18,24,30,36,42)]
# subset2 <- (1:50)[-c(6,12,18,24,30,36,42)]
# eiPvastvastaukset : vastauskategorioiden indeksit ilman P-luokkaa
# subsetcat=(1:50)[-c(6,12,18,24,30,36,42,50)],
# maa ja gaf - ei puuttuvia tietoja
#
mcaDat21jh.dat$E %>% fct_count() # P-kategoria 50
mcaDat21jh.dat$S %>% fct_count() # P-kategoria 61
mcaDat21jh.dat$U %>% fct_count() # P-kategoria 67


# Täydäntävät sarakkeet, koko aineisto

 # mcaDat21jh.dat[1:10,1:8]

 QjaMuut1.mca <- mjca(mcaDat21jh.dat, ps = "",
               supcol = 8:12
               )
           
plot(QjaMuut1.mca)
# QjaMuut1.mca - ei toimi
summary(QjaMuut1.mca)
par(cex = 0.6)
plot(QjaMuut1.mca,
     what = c("none", "passive"),
     labels = c(1,1),
     collabels = c("both"),
     main = "Täydentävät muuttujat E, S, U, maa, gaf",
     sub = "kaikki")


par(cex = 0.6)
plot(QjaMuut1.mca, 
     what = c("none", "passive"),
     labels = c(0,1),
     collabels = c("both"),
     main = "Täydentävät muuttujat E, S, U, maa, gaf",
     sub = "Vain passiiviset sarakkeet")

#str(eiPvastaukset)

# Täydentävät pisteet kuva kerrallaan E ja S
QjaMuut2.mca <- mjca(mcaDat21jh.dat, ps = "",
               supcol = 8:9)
               
plot(QjaMuut2.mca, 
     what = c("none", "passive"),
     labels = c(0,1),
     collabels = c("both"),
     main = "Kysymykset Q1a-Q1e ja Q2a-Q2b",
     sub = "Täydentävät muuttujat E, S"
     )
# Täydentävät pisteet kuva kerrallaan: asuinpaikka U
QjaMuut3.mca <- mjca(mcaDat21jh.dat, ps = "",
               supcol = 10)
               
plot(QjaMuut3.mca, 
     what = c("none", "passive"),
     labels = c(0,1),
     collabels = c("both"),
     main = "Kysymykset Q1a-Q1e ja Q2a-Q2b",
     sub = "Asuinpaikka U"
     )
dim(mcaDat21jh.dat)

# Täydentävät pisteet kuva kerrallaan: maa

QjaMuut4.mca <- mjca(mcaDat21jh.dat[,c(1:7,11)], ps = "",
               supcol = 8)
plot(QjaMuut4.mca, 
     what = c("none", "passive"),
     labels = c(0,1),
     collabels = c("level"),
     main = "Kysymykset Q1a-Q1e ja Q2a-Q2b",
     sub = "maa"
     )
# Täydentävät pisteet kuva kerrallaan: maa

QjaMuut5.mca <- mjca(mcaDat21jh.dat[,c(1:7,12)], ps = "",
               supcol = 8)
plot(QjaMuut5.mca, 
     what = c("none", "passive"),
     labels = c(0,1),
     collabels = c("level"),
     main = "Kysymykset Q1a-Q1e ja Q2a-Q2b",
     sub = "ikäluokka ja sukupuoli"
     )


# Osajoukon analyysi ja täydentävät sarakkeet supcol = 8:12 ei toiminut
#eikä toimi tämä
#TestsubQjaMuut1.mca <- mjca(mcaDat21jh.dat[,c(1:7, 8)], ps="",
#                       subsetcat = c(eiPvastaukset),
#                       supcol=8
#                       )
#plot(TestsubQjaMuut1.mca)
#TestsubQjaMuut1.mca

# plot(subQjaMuut1.mca)
# summary(subQjaMuut1.mca)

```