Commit 4e32c2b6 authored by Maike Kleemeyer's avatar Maike Kleemeyer
Browse files

Merge branch 'include_scalemeans' into 'master'

Include scalemeans

See merge request !2
parents 8cc9ea0b e5f7ab96
---
title: "MPGQuestionnaireReport"
title: "MPGQuestionnaireReport MPI für XXX (bitte einfügen)"
author: "Kleemeyer"
date: "`r format(Sys.time(), '%d %B, %Y')`"
output:
......@@ -20,6 +20,136 @@ library(corrr)
library(umx)
library(matrixStats)
```
# Erster Blick
## Prozente für Mobbing, Diskriminierung und Belästigung mindestens "gelegentlich"
```{r echo = FALSE, results='asis'}
D12 <- as.data.frame(table(responses$D12, useNA = "ifany")) %>%
mutate(per = 100*Freq/sum(Freq))
D12_reduced <- D12 %>%
filter(Var1 != "Nie" & Var1 != "Keine Antwort" )
D12_notnever <- summarise_all(D12_reduced, ~if(is.numeric(.)) sum(.) else "Mobbing")
E05 <- as.data.frame(table(responses$E05, useNA = "ifany")) %>%
mutate(per = 100*Freq/sum(Freq))
E05_reduced <- E05 %>%
filter(Var1 != "Nie" & Var1 != "Keine Antwort" )
E05_notnever <- summarise_all(E05_reduced, ~if(is.numeric(.)) sum(.) else "Geschlechterbezogene Diskriminierung")
F11 <- as.data.frame(table(responses$F11, useNA = "ifany")) %>%
mutate(per = 100*Freq/sum(Freq))
F11_reduced <- F11 %>%
filter(Var1 != "Nie" & Var1 != "Keine Antwort" )
F11_notnever <- summarise_all(F11_reduced, ~if(is.numeric(.)) sum(.) else "Sexualisierte Belästigung")
H21 <- as.data.frame(table(responses$H21, useNA = "no")) %>%
mutate(per = 100*Freq/sum(Freq))
H21_reduced <- H21 %>%
filter(Var1 != "Stimme nicht zu" & Var1 != "Keine Antwort" )
H21_notnever <- summarise_all(H21_reduced, ~if(is.numeric(.)) sum(.) else "Nachteile wegen Elternzeit")
mpg_percentage <- c(10, 8, 'x', 16)
all_notnever <- cbind(rbind(D12_notnever,E05_notnever, F11_notnever, H21_notnever),mpg_percentage)
kable(all_notnever, col.names = c("Thema", "Häufigkeit", "Prozent", "MPG 2019 %"),
table.attr = "class=\"striped\"", format = "html") %>%
kable_material(c("striped", "hover"))
```
## Skalen-Mittelwerte
```{r echo = FALSE, results='asis'}
mean_A <- responses_coded %>%
select(A03:A05) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_B1overlapMPG <- responses_coded %>%
select(B03:B06) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_B1 <- responses_coded %>%
select(B02:B07) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_B2 <- responses_coded %>%
select(B09:B13) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_C <- responses_coded %>%
select(C02:C04) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_D <- responses_coded %>%
select(D02:D06) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_E <- responses_coded %>%
select(E04:E05) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_F <- responses_coded %>%
select(F02:F08) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_H3overlapMPG <- responses_coded %>%
select(H20:H21) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mean_H1 <- responses_coded %>%
select(H02:H06) %>%
mutate(H06 = recode(H06, "5" = 1, "4"=2, "2"=4, "1"=5)) %>%
colMeans(na.rm = TRUE) %>%
mean() %>%
set_names(c("mean"))
mpg_means <- c(3.62, 3.67, 'x', 3.2, 3.69, 1.39, 1.18, 1.05, 'x', 2.38)
output_scalemeans <- as.data.frame(bind_cols(bind_rows(mean_A,
mean_B1overlapMPG,
mean_B1,
mean_B2,
mean_C,
mean_D,
mean_E,
mean_F,
mean_H1,
mean_H3overlapMPG),mpg_means))
rownames(output_scalemeans) <- c("Gruppenatmosphäre \\\n(Skala: 1 Stimme überhaupt nicht zu - 5 Stimme voll und ganz zu, höher besser)", "Führungsstil Überschneidung 2019 \\\n(Skala: 1 Stimme überhaupt nicht zu - 5 Stimme voll und ganz zu, höher besser)", "Führungsstil komplett \\\n(Skala: 1 Stimme überhaupt nicht zu - 5 Stimme voll und ganz zu, höher besser)", "Karriereentwicklung \\\n(Skala: 1 Stimme überhaupt nicht zu - 5 Stimme voll und ganz zu, höher besser)", "Zufriedenheit mit Institut/Einrichtung \\\n(Skala: 1 Stimme überhaupt nicht zu - 5 Stimme voll und ganz zu, höher besser)", "Unkollegiales Verhalten \\\n(Skala: 1 Nie - 5 Täglich, niedriger besser)", "Geschlechterbezogene Diskriminierung \\\n(Skala: 1 Nie - 5 Täglich, niedriger besser)", "Sexualisierte Belästigung \\\n(Skala: 1 Nie - 5 Täglich, niedriger besser)", "Vereinbarkeit \\\n(Skala: 1 Stimme überhaupt nicht zu - 5 Stimme voll und ganz zu, niedriger besser)", "Nachteile wegen Elternzeit Überschneidung 2019 \\\n(Skala: 1 Stimme überhaupt nicht zu - 5 Stimme voll und ganz zu, niedriger besser)")
kable(output_scalemeans, col.names = c("Aktueller Mittelwert", "Mittelwert MPG 2019"),
table.attr = "class=\"striped\"", format = "html") %>%
kable_material(c("striped", "hover"))
```
# Interne Skalenkonsistenz
## SKALA A: Gruppenatmosphäre
......@@ -297,7 +427,7 @@ Cronbach's alpha für Skala H1 ist `r rely_H1$total$std.alpha`.
## SKALA H2: Work-family Balance
* H07 und H08. Leben Kinder unter 18 Jahren in Ihrem Haushalt? / H3. Leben pflegebedürftige Personen in Ihrem Haushalt? (Nur wenn eine dieser Frage mit "ja" beantwortet wird, werden die folgenden drei Items gezeigt.)
* H07 und H08. Leben Kinder unter 18 Jahren in Ihrem Haushalt? / H3. Leben pflegebedürftige Personen in Ihrem Haushalt? (Nur wenn eine dieser Frage mit "ja" beantwortet wird, werden die folgenden fünf Items gezeigt.)
* H2. Stimmen Sie den folgenden Aussagen zu?
+ H09. Meine direkte Führungskraft berücksichtigt meine familiären Verpflichtungen bei der Arbeitsorganisation und Terminplanung.
+ H10. Meine direkte Führungskraft unterstützt mich bei der Lösung konkreter Probleme der Vereinbarkeit von Familie und Beruf.
......@@ -331,7 +461,7 @@ Cronbach's alpha für Skala H2 ist `r rely_H2$total$std.alpha`.
## SKALA H3: Elternzeit - ja
* H07. Leben Kinder unter 18 Jahren in Ihrem Haushalt? (Nur wenn diese Frage mit "ja" beantwortet wird, werden die folgenden drei Items gezeigt.)
* H07. Leben Kinder unter 18 Jahren in Ihrem Haushalt? (Nur wenn diese Frage mit "ja" beantwortet wird, kommt:)
* H14. Haben Sie während Ihrer Zeit bei der Max-Planck-Gesellschaft Elternzeit genommen? (Nur wenn diese Frage mit "ja" beantwortet wird, werden die folgenden fünf Items gezeigt.)
* H3. Stimmen Sie den folgenden Aussagen zu?
+ H17. Meine direkte Führungskraft unterstützte mich dabei, meine Elternzeit im Voraus zu planen.
......@@ -458,32 +588,27 @@ kable(B14, col.names = c("Antwort", "Häufigkeit", "Prozent"),
### Wurden Sie selbst während der letzten 12 Monate gemobbt?
```{r echo = FALSE, results='asis'}
D12 <- as.data.frame(table(responses$D12, useNA = "ifany")) %>%
mutate(per = 100*Freq/sum(Freq))
kable(D12, col.names = c("Antwort", "Häufigkeit", "Prozent"),
table.attr = "class=\"striped\"", format = "html") %>%
kable_material(c("striped", "hover"))
```
### Wurden Sie selbst während der letzten 12 Monate aufgrund Ihres Geschlechts diskriminiert?
```{r echo = FALSE, results='asis'}
E05 <- as.data.frame(table(responses$E05, useNA = "ifany")) %>%
mutate(per = 100*Freq/sum(Freq))
kable(E05, col.names = c("Antwort", "Häufigkeit", "Prozent"),
table.attr = "class=\"striped\"", format = "html") %>%
kable_material(c("striped", "hover"))
```
### Wurden Sie selbst während der letzten 12 Monate sexualisiert belästigt?
```{r echo = FALSE, results='asis'}
F11 <- as.data.frame(table(responses$F11, useNA = "ifany")) %>%
mutate(per = 100*Freq/sum(Freq))
kable(F11, col.names = c("Antwort", "Häufigkeit", "Prozent"),
table.attr = "class=\"striped\"", format = "html") %>%
kable_material(c("striped", "hover"))
```
### Leben Kinder unter 18 Jahren in Ihrem Haushalt?
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment