上一篇用R寫論文做到信度分析，後面就是效度分析，本想繼續寫下去但要講到KOM、球形、CFA、SEM等檢定方法，若是寫下去各位程度都沒問題一定都看得懂，但小弟必須將研究方法上下學期筆記拿起來在K一遍，消化完再用言簡意賅寫出來，心想天都亮了!再者，後面的效度分析以及建構因子，有在寫論文的人比較用得到，對於商業的應用比較少，比較多的是上一篇的信度分析及基本分析，經過幾番思量用R寫論文就到上一篇就告一段落，就像寫論文題目太大寫的人很辛苦，看的人也很累，因此本篇就以我母親的抱怨為題目吧!

本篇系列的資料集來自政府資料公開平台中，在搜尋欄位輸入農產品交易，會出現各縣市的農產品交易，但我們以農委會所產的資料為主。但近一個月的觀察農委會將每日交易行情在中午12點以前PO到資料公開平台，所以我就翻遍資料公開平台所有連結，就是要找到網址界接，並使用for迴圈撈一個月的資料，但怎麼都沒看到，所以採用每日單點下載，所以日期會跳日不過這不會影響我們的分析，資料下載點:https://drive.google.com/file/d/1dMXFMZ5WhfR03bWbNMmm0c0CxutoeJVH/view?usp=sharing

解壓縮後會看到一堆csv檔案，所以我們會用list.file()函式將資料夾內的csv檔案彙整為一個資料集，其時我個人很喜歡這個函式，因為在平常會有很多的檔案要做分析，稍做整理就能成為一個資料集，注意資料夾就只有本次的csv檔案不要參雜其他的csv檔案，程式碼如下

Agricultural <- list.files(path = "D:/工作區/我的筆記/程式筆記/R/Ironman Challenge/Agricultural",pattern="*.csv",full.names=TRUE) %>% 
  map_df(~read_csv(.))
str(Agricultural)
View(Agricultural)

看一下資料結構

我們可以看到資料集為tibble為dataframe的延伸換言之式繼承了dateframe，所以使用起來很靈活，本次資料集為10962筆資料11個變數，但變數名稱為中文字，不過沒關係因為原始資料就是如此，若是正式的話還是建議將變數名稱改為英文，接著瀏覽一下資料

看完資料不得要稱讚一下農委會資料很乾淨，當然啦!若是你用execl開不會如此的井然有序，所以本次的資料集不須進行整理，但該如何分析?....首先我們可以看到光9/2號就有很多的交易為其一，其二市場名稱有多少個市場?是全台灣嗎?其三每個做物名稱都有上、中、下、平均、交易等。

首先我就看總共有多少日的交易，以及多少個市場，全日的總交易及總評均價，先從此部分做個探索

AgriculturalTrans <- Agricultural  %>% 
   group_by(交易日期,市場名稱) %>% 
   summarise(TotalTransaction = sum(交易量),
             TotalMeanPrices = sum(平均價)) %>% 
   ungroup()
 View(AgriculturalTrans)

看起來市場為全台灣，而全台灣最近的市場，當天每交易金額為0，劃一下統計圖程式如下

options(scipen = 200)
 ggplot(data = AgriculturalTrans)+
   geom_bar(aes(x=交易日期,y=TotalTransaction,fill=市場名稱),
            stat="identity") 

所以交易日共計六天，其中9/11交易量最高次之為8/23日，從市場來看台北一、台北二、三重，為全國交易量最多，次之為台中市，相對南部的市場交易並不是很多。

在上述程式中 options(scipen = 200)主要功能為呈現正確數字，而不是用科學數字呈現，各位可試一下。

最後看一下最近很紅的蒜頭每個市場的平均價錢，在程式中我使用grep()函式以文字的方式做搜尋在將搜尋完成的行加入一個新的變數(稍微較麻煩)，但也可使用作物代號使用filter()派何pipleline語法較為簡單

A <-  grep("蒜頭",Agricultural$作物名稱)
 View(A)
Garlic <- Agricultural[A,]  
View(Garlic)
ggplot(Garlic, aes(x = 市場名稱, y = 平均價)) + 
   geom_point(mapping = aes(color = 交易日期))