#パッケージインストール
install.packages(c("lavaan","semTools","semPlot"))

#探索的因子分析

X <- read.csv("soturon1t.csv", header=T)
factanal(X,factors=16,rotation="promax")

#確認的因子分析

XK <- read.csv("soturon1k.csv", header=T)
KK1 <- '
カスタマイズ可能性 =~ custom1 + custom2 + custom3
達成感 =~ tassei1 + tassei2 + tassei3
没入感 =~ botu2 + botu3
社会性 =~ sex
キャラクター性 =~ chara1 + chara2 + chara3
消費者発信情報 =~ wom1 + wom2 + wom3
コミュニティ =~ commu1 + commu2 + commu3
態度 =~ taido1 + taido2 + taido3
確信 =~ kakushin2 + kakushin3
課金行動 =~ kakin1 + kakin2 + kakin3 + kakin4
'
library(lavaan)
fit0 <-cfa(model=KK.model.cfa,data=XK,estimator="ML")
summary(fit0, fit.measures=TRUE,standardized=T,rsquare=T)

#共分散構造分析
SX1<- read.csv("soturon1k.csv", header=T)
SK1 <- '
カスタマイズ可能性 =~ custom1 + custom2 + custom3
達成感 =~ tassei1 + tassei2 + tassei3
没入感 =~ botu2 + botu3
社会性 =~ social1 + social2 + social3 + social4
キャラクター性 =~ chara1 + chara2 + chara3
消費者発信情報 =~ wom1 + wom2 + wom3
コミュニティ =~ commu1 + commu2 + commu3
態度 =~ taido1 + taido2 + taido3
確信 =~ kakushin2 + kakushin3
男性 =~ sex
オンライン消費積極性 =~ onlike1 + onlike2 + onlike3
埋没費用 =~ maibotu1 + maibotu3 + maibotu3
自己顕示 =~ kenji1 +  kenji2 + kenji3
リスク選好 =~ risk1 + risk2 + risk3 + risk4
課金行動 =~ kakin1 + kakin2 + kakin3 + kakin4
没入感 ~ カスタマイズ可能性
社会性 ~ コミュニティ
態度 ~ 達成感
態度 ~ 没入感
態度 ~ 社会性
態度 ~ キャラクター性
態度 ~ 消費者発信情報
確信 ~ 消費者発信情報
課金行動 ~ 態度
課金行動 ~ 確信
課金行動 ~ 男性
課金行動 ~  オンライン消費積極性
課金行動 ~  埋没費用
課金行動 ~  自己顕示
課金行動 ~  リスク選好
'

library(lavaan)
fit4 <-sem(model=SK1, data=SX1, estimator="ML")

summary(object=fit4)
summary(fit4, fit.measures=TRUE,standardized=T,rsquare=T)
library(semPlot)
semPaths(object=fit, whatLabels="stand", optimizeLatRes=T)

#修正指数と修正後SEM
modificationindices(fit4)


SK1 <- '
オンライン消費積極性 =~ onlike1 + onlike2 + onlike3
埋没費用 =~ maibotu1 + maibotu3 + maibotu3
自己顕示 =~ kenji1 +  kenji2 + kenji3
リスク選好 =~ risk1 + risk2 + risk3 + risk4
サブカルチャー嗜好 =~ subcul1 + subcul2 + subcul3
課金行動 =~ kakin1 + kakin2 + kakin3 + kakin4
課金行動 ~ サブカルチャー嗜好
課金行動 ~  オンライン消費積極性
課金行動 ~  埋没費用
課金行動 ~  自己顕示
課金行動 ~  リスク選好
'

library(lavaan)
fit4 <-sem(model=SK1, data=SX1, estimator="ML")

summary(object=fit4)
summary(fit4, fit.measures=TRUE,standardized=T,rsquare=T)
library(semPlot)
semPaths(object=fit4, whatLabels="stand", optimizeLatRes=T)

#クラスター分析
install.packages("dplyr")
X<- read.csv("cluster.csv", header=T)

#k-meansを1-5行目指定して4クラスター
kmeans_result<-kmeans(X[,1:5],4)
kmeans_result
clustered_data <- data.frame(X,kmeans_result$cluster)

#平均求める
 library(dplyr)
cluster_summary <- clustered_data %>%
 group_by(kmeans_result.cluster) %>%
 summarise(
 sex = mean(sex),
 subcul1 = mean(subcul1),
 subcul2 = mean(subcul2),
 subcul3 = mean(subcul3),
 onlike1 = mean(onlike1),
 onlike2 = mean(onlike2),
 onlike3 = mean(onlike3),
 maibotu1 = mean(maibotu1),
 maibotu2 = mean(maibotu2),
 maibotu3 = mean(maibotu3),
 kenji1 = mean(kenji1),
 kenji2 = mean(kenji2),
 kenji3 = mean(kenji3),
 risk1 = mean(risk1),
 risk2 = mean(risk2),
 risk3 = mean(risk3),
 risk4 = mean(risk4),
  ) %>%
  as.data.frame
cluster_summary