#----------------------------------------------------------------------------------
#                 PRÁTICA 4 -  ANÁLISE DE SATISFAÇÃO DO PACIENTE
#----------------------------------------------------------------------------------
library(RcmdrMisc)

setwd(" ")

# Importe o banco de dados "Nível de satisfaçao do paciente.xlsx" e dê o nome de "dados".



dados$fsetor <- factor(dados$setor, levels=c(0,1), labels=c("público","convênio")) 


#-------------------------------------------------------------------------------------------------------------------
#                                            Análise descritiva
#-------------------------------------------------------------------------------------------------------------------

# Descrevendo uma variável de cada vez

# Box plots

par(mfrow=c(2,2))
boxplot(dados$satisf, ylab="Nível de satisfação")
boxplot(dados$idade, ylab="Idade (anos)")
boxplot(dados$gravidade, ylab="Índice de gravidade da doença")
boxplot(dados$ansiedade, ylab="Escore de ansiedade")

# Tabelas de frequencia

table(dados$fsetor)
prop.table(table(dados$fsetor))

# Faça outros gráficos ...

# Descrevendo associações entre variáveis
#-----------------------------------------------------------------------------------------------# 

# Descrevendo a associação entre Y e as variáveis explicativas quantitativas

# e a associação entre as variáveis explicativas quantitativas

rcorr.adjust(dados[,c("satisf", "ansiedade","gravidade","idade", "setor")], type="pearson", use="complete")

scatterplotMatrix(~satisf+ansiedade+gravidade+idade, regLine=TRUE, smooth=FALSE, 
                  diagonal=list(method="none"), data=dados)

# Descrevendo a associação entre Y e as variável explicativas qualitativas

par(mfrow=c(1,2))
boxplot(satisf~fsetor, ylab="Nível de satisfação", xlab="Setor", data=dados, id=list(method="y"))
plotMeans(dados$satisf, dados$fsetor, error.bars="conf.int", level=0.95, connect=FALSE)

stripchart(satisf ~ fsetor, vertical=TRUE, method="stack", ylab="Nível de satisfação", xlab="Setor", data=dados)

# Descrevendo a associação entre as variáveis explicativas quantitativas e a qualitativa (setor)

par(mfrow=c(1,3))
boxplot(idade~fsetor, ylab="Idade (anos)", xlab="Setor", data=dados, id=list(method="y"))
boxplot(gravidade~fsetor, ylab="Índice de gravidade da doença", xlab="Setor", data=dados, id=list(method="y"))
boxplot(ansiedade~fsetor, ylab="Escore de ansiedade", xlab="Setor", data=dados, id=list(method="y"))

par(mfrow=c(1,3))
plotMeans(dados$idade, dados$fsetor, error.bars="conf.int", level=0.95, connect=FALSE)
plotMeans(dados$gravidade, dados$fsetor, error.bars="conf.int", level=0.95, connect=FALSE)
plotMeans(dados$ansiedade, dados$fsetor, error.bars="conf.int", level=0.95, connect=FALSE)


# Descrevendo interações 
#----------------------------
# A associação entre Y e as variáveis explicativas quantitativas (idade, gravidade e ansiedade)
# dependem dos níveis da qualitativa (setor) ?

library(lattice)

scatterplot(satisf~idade | fsetor, regLine=FALSE, smooth=FALSE, boxplots=FALSE, by.groups=TRUE,
            ylab="Nível de satisfação", xlab="Idade (anos)", data=dados)

scatterplot(satisf~idade | fsetor, regLine=TRUE, smooth=FALSE, boxplots=FALSE, by.groups=TRUE,
            ylab="Nível de satisfação", xlab="Idade (anos)", data=dados)

scatterplot(satisf~gravidade | fsetor, regLine=TRUE, smooth=FALSE, boxplots=FALSE, by.groups=TRUE,
            ylab="Nível de satisfação", xlab="Índice de gravidade da doença", data=dados)

scatterplot(satisf~ansiedade | fsetor, regLine=TRUE, smooth=FALSE, boxplots=FALSE, by.groups=TRUE,
            ylab="Nível de satisfação", xlab="Escore de ansiedade", data=dados)


#-------------------------------------------------------------------------------------------------------------------
#                                     Análise univariada
#-------------------------------------------------------------------------------------------------------------------

# Verificando normalidade da variável resposta

Hist(dados$satisf, scale="density", breaks="Sturges", col="darkgray")

qqPlot(dados$satisf, dist="norm")

names(dados)
shapiro.test(dados$satisf)
normalityTest(~satisf, test="lillie.test", data=dados)

shapiro.test(dados$idade)
normalityTest(~idade, test="lillie.test", data=dados)

shapiro.test(dados$gravidade)
normalityTest(~gravidade, test="lillie.test", data=dados)

shapiro.test(dados$ansiedade)
normalityTest(~ansiedade, test="lillie.test", data=dados)


# Inicialmente, vamos avaliar a associação entre as variáveis explicativas e a resposta 
# através de modelos de regressão simples, uma variável de cada vez.

simples.1 <- lm(satisf~idade, data=dados)
summary(simples.1)

simples.2 <- lm(satisf~gravidade, data=dados)
summary(simples.2)

simples.3 <- lm(satisf~ansiedade, data=dados)
summary(simples.3)

simples.4 <- lm(satisf~setor, data=dados)         # Note que, se o setor fosse a única var explicativa, seria melhor um teste t-Student.
summary(simples.4)