Игровая зависимость

Контекст и цель

Датасет по игровой зависимости собрал один из ютуберов, в прошлом психолог. Датасет крупный, цепляет где-то 1% ГС. Однако проблема в том, что данные грязные, не были формализованы ответы на многие вопросы + одна из самых ценных частей (опросник) была составлена интуитивно, без научной опробации. Был выдвинут ряд исследовательских гипотез:

Основные гипотезы

1. У подростков (13-17 лет) и молодых взрослых (18-22) наблюдается повышение баллов по опроснику
2. У игроков, играющих больше игр в неделю, наблюдается повышение баллов по опроснику
3. У игроков с высоким актуальным рейтингом наблюдается повышение баллов по опроснику
4. В возрастных группах 18+ связь между количеством игр в неделю и вовлеченностью усиливается

Дополнительные гипотезы

1. На основании ответов на вопросы об отношении к игре можно кластеризовать игроков
2. Эти класстеры будут различаться по возрасту, вовлечённости в игру, часам в игре, рейтингу

Дополнительные задачи:

1. Сравнить результаты анализа, полученные в парадигме байесовской и фреквентистской статистики
2. Автоматизировать оформление результатов по стандарту APA

Стек

R

• library(tidyverse) --- пайплайны и тиблы
• library(pwr) --- анализ мощности
• library(emmeans) --- попарные сравнения
• library(rempsyc) --- вывод таблиц
• library(broom) --- вывод таблиц
• library(flextable) --- вывод таблиц
• library(apaTables) --- вывод таблиц
• library(rempsyc) --- вывод таблиц
• library(poLCA) --- кластеризация
• library(ez) --- фреквентистская анова
• library(BayesFactor) --- байесовская анова

Этапы работы

1. Чистка данных, работа с пропусками/выбросами/невозможными значениями, редактирование форматов (Game_addiction_prep)
2. Изучения распредления переменных, эксплаторный факторный анализ, визуализация (Game_addiciton_main)
3. Проверка допущений, проверка гипотез с помощью линейных моделей и попарных сравнений, визуализация (Game_addiciton_main)
4. Подсчёт полученной мощности (Game_addiciton_main)
5. Оформление результатов по APA (Game_addiciton_main)
6. Перевод itemов в трёхбальные шкалы, LCA для классификации по отношению к игре, визуализации (Game_addiciton_main)
7. Проверка дополнительный гипотез с помощью байесовской и фреквентистской статистики, сравнение результатов, визуализации (Game_addiciton_main)

Результат

1. Из основных гипотез первые две подтвердились, вторые две нет: повышение баллов по опроснику наблюдалось у подростков и молодых людей, а также тех, кто играет больше игр в неделю
2. Получить осмысленные класстеры удалось
3. Различия по возрасту и другим параметрам значимы - "агро-школьники" это не миф
4. На таком крупном датасете использование байесовской и фреквентистской статистики привело к одинаковым выводам, однако интерпретация байесовского варианта более наглядна