Έκδοση: 12 / 05 / 2024

Προετοιμασία περιβάλλοντος R
Οι παρακάτω εντολές,ελέγχουν αν έχουν εγκατασταθεί τα απαιτούμενα πακέτα για την εκτέλεση του συνόλου του κώδικα της ενότητας.

list.of.packages <- c("onewaytests","HH","Rmisc","gplots","agricolae","lsr","car","MASS","moments","afex","plyr","heplots","magrittr")
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[,"Package"])]
if(length(new.packages)) install.packages(new.packages)

Όλες οι συναρτήσεις που χρησιμοποιούνται στην ενότητα αυτή βρίσκονται στο αρχείο της γλώσσας R: MyRFunctions.R.

Για να γίνουν διαθέσιμες για χρήση αρκεί να φορτωθούν στο περιβάλλον της R, εκτελώντας την εντολή

source("https://utopia.duth.gr/epdiaman/files/kedivim/MyRFunctions.R")

(Στην περίπτωση όπου γίνει λήψη τοπικά το αρχείο MyRFunctions.R, πρέπει να αλλαξει ανάλογα και η διεύθυνση του αρχείου)

Λήψη δεδομένων για πρακτική εξάσκηση
A. Δεδομένα ερωτηματολογίων
Στα πλαίσια ερευνητικής εργασίας χρησιμοποιήθηκαν τα εξής ψυχομετρικά εργαλεία:

To ερωτηματολόγιο χαρακτηριστικών προσωπικότητας ΝΕΟ Five Factor Inventory (ΝΕΟ-FFI,Costa & McCrae,1992)

Το ερωτηματολόγιο συναισθηματικής νοημοσύνη Trait Emotional Intelligence Questionnaire (TEIQue)

Το ερωτηματολόγιο χαρακτηριστικών ηγεσίας Multifactor Leadership Questionnaire

1 Εισαγωγικό παράδειγμα I

Ένας καθηγητής έχει συλλέξει δεδομένα από 100 μαθητές σχετικά με την επίδοσή τους στην γραφή και την ανάγνωση.

PCA.data = as.data.frame(structure(list(read.score = c(18, 19, 7, 17, 14, 11, 15, 
 4, 14, 15, 10, 15, 19, 7, 10, 19, 20, 4, 11, 12, 18, 4, 20, 19, 
 3, 11, 9, 18, 10, 17, 15, 17, 9, 14, 2, 17, 2, 6, 18, 13, 9, 
 10, 3, 20, 10, 19, 18, 14, 19, 13, 8, 8, 9, 16, 3, 15, 14, 5, 
 7, 11, 14, 20, 16, 12, 17, 5, 7, 17, 14, 6, 3, 5, 6, 11, 6, 15, 
 2, 9, 11, 2, 12, 5, 8, 14, 16, 12, 6, 4, 4, 7, 14, 2, 6, 19, 
 19, 15, 8, 11, 15, 13), write.score = c(19, 16, 13, 20, 14, 12, 
 18, 4, 2, 16, 9, 16, 21, 13, 7, 24, 21, 8, 15, 15, 14, 4, 22, 
 15, 1, 13, 12, 20, 6, 13, 21, 18, 9, 14, -3, 19, 1, 5, 22, 16, 
 15, 8, 6, 26, 6, 16, 13, 8, 19, 16, 13, 12, 5, 23, 0, 15, 12, 
 5, 8, 11, 14, 20, 14, 10, 10, 3, 5, 28, 9, 7, -3, -1, 6, 7, 6, 
 13, 0, 1, 6, 3, 14, 3, 8, 18, 22, 8, 6, 9, 2, 7, 14, -2, 4, 19, 
 17, 19, 6, 9, 18, 9)), class = "data.frame", row.names = c(NA, 
      -100L)))

Σημείωση: Δεδομένα αυτής της μορφής μπορούν να δημιουργηθούν με τον παρακάτω κώδικα:

set.seed(42)
read.score = round(18*runif(100)) + 2
write.score = round(read.score + 4*rnorm(100))
PCA.data <- data.frame(read.score, write.score)

PCA.data[PCA.data < 0] <- 0 
PCA.data[PCA.data > 20] <- 20

Αναπαριστούμε τα δεδομένα γραφικά:

library(ggplot2)
ggplot(PCA.data, aes(x = PCA.data[,1], y = PCA.data[,2])) +
  geom_point() +
  labs(x = "Read", y = "Write", title = "Students Ability")

Ένα πιο πλούσιο διάγραμμα είναι το εξής:

library(psych)

## 
## Attaching package: 'psych'

## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha

pairs.panels(PCA.data, gap = 0, pch=21, ellipses = F, smooth = F)

Εφαρμόζουμε την διαδικασία της ανάλυσης κυρίων συνιστωσών. Αυτή, πρέπει να εφαρμοστεί στα τυποποιημένα δεδομένα και για το λόγο αυτό εφαρμόζουμε πρώτα τη συνάρτηση scale. Η διαδικασία αυτή δεν αλλάζει τη σχετική θέση των σημείων μεταξύ τους.

PCA.data = scale(PCA.data)
library(ggplot2)
ggplot(PCA.data, aes(x = PCA.data[,1], y = PCA.data[,2])) +
  geom_point() +
  labs(x = "Read (scaled)", y = "Write (scaled)", title = "Students Ability")

Τώρα, προχωρούμε στην ανάλυση κυρίων συνιστωσών.

my.PCA = prcomp(PCA.data, center = TRUE, scale. = TRUE)

Παρατηρούμε τα δεδομένα για τις κύριες συνιστώσες με την εντολή:

summary(my.PCA)

## Importance of components:
##                           PC1    PC2
## Standard deviation     1.3593 0.3901
## Proportion of Variance 0.9239 0.0761
## Cumulative Proportion  0.9239 1.0000

Τα ποσοστά επεξήγησης μπορούν να απομονωθούν ως εξής:

eigs <- round(my.PCA$sdev^2, 3)
proportions =  round(eigs/sum(eigs), 3)

library(htmlTable)
sentence1 = htmlTable(paste0('Η 1η συνιστώσα αντιστοιχεί σε ιδιοτιμή ', eigs[1], ' και επεξηγεί το ', proportions[1], ' της συνολικής μεταβλητότητας'))
sentence2 = htmlTable(paste0('Η 2η συνιστώσα αντιστοιχεί σε ιδιοτιμή ', eigs[2], ' και επεξηγεί το ', proportions[2], ' της συνολικής μεταβλητότητας'))
concatHtmlTables(list(sentence1, sentence2), headers = "")

Η 1η συνιστώσα αντιστοιχεί σε ιδιοτιμή 1.848 και επεξηγεί το 0.924 της συνολικής μεταβλητότητας

Η 2η συνιστώσα αντιστοιχεί σε ιδιοτιμή 0.152 και επεξηγεί το 0.076 της συνολικής μεταβλητότητας

Οι εξισώσεις που δίνουν τις νέες συντεταγμένες των σημείων ως προς τους νέους άξονες είναι οι εξής:

rotation_matrix <- round(my.PCA$rotation, 3)
print(rotation_matrix)

##                PC1    PC2
## read.score  -0.707 -0.707
## write.score -0.707  0.707

a11 <- rotation_matrix[1, 1]
a21 <- rotation_matrix[2, 1]
a12 <- rotation_matrix[1, 2]
a22 <- rotation_matrix[2, 2]

library(htmlTable)
equation1 = htmlTable(paste0('PC1 = ', a11, " * Read +", a12, " * Write."), caption = "Υπολογισμός συντεταγμένων ως προς τον Principal Component 1")
equation2 = htmlTable(paste0('PC2 = ', a21, " * Read +", a22, " * Write."), caption = "Υπολογισμός συντεταγμένων ως προς τον Principal Component 2")

concatHtmlTables(list(equation1, equation2), headers = "")

Υπολογισμός συντεταγμένων ως προς τον Principal Component 1
PC1 = -0.707 * Read +-0.707 * Write.

Υπολογισμός συντεταγμένων ως προς τον Principal Component 2
PC2 = -0.707 * Read +0.707 * Write.

Οι νέες συντεταγμένες είναι αποθηκευμένες στο αντικείμενο x του my.PCA. Ωστόσο, μπορεί να υπολογιστούν και από το γινόμενο

PCA.data %*% my.PCA$rotation

Ενδεικτικά, αυτές είναι όπως παρακάτω:

head(my.PCA$x)

Αναπαριστούμε γραφικά τις θέσεις των σημείων με τις νέες συντεταγμένες που ορίζονται από τις κύριες συνιστώσες:

pairs.panels(my.PCA$x, gap = 0, pch=21, ellipses = F, smooth = F)

Οι περισσότερες από τις παραπάνω πληροφορίες παρουσιάζονται από τη συνάρτηση my_PCA_analysis.

my_PCA = my_PCA_analysis(PCA.data)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

my_PCA$htmlTable

Variables

	Original Item
q1	read.score
q2	write.score

Correlation Matrix

	q1	q2
q1	1	0.848
q2	0.848	1

Number of factors extracted

Total Variance Explained

	Eigenvalue	Percent of Variance	Cumulative Percent
1	1.848	92.4%	92.4%
2	0.152	7.6%	100%

Communalities

	communality
q1	0.924
q2	0.924

Component Matrix

	PC1
q1	0.961
q2	0.961

2 Εισαγωγικό παράδειγμα ΙΙ

Ένας καθηγητής έχει συλλέξει δεδομένα από 100 μαθητές σχετικά με την επίδοσή τους στην γραφή και την ανάγνωση και την ικανότητα έκφρασης.

PCA.data = as.data.frame(structure(list(speak.score = c(18, 13, 12, 16, 12, 6, 15, 1, 
 12, 20, 9, 11, 20, 6, 12, 25, 16, 6, 11, 16, 17, 7, 13, 26, 6, 
 10, 3, 21, 12, 17, 16, 15, 10, 15, 1, 12, 5, 8, 15, 7, 10, 9, 
 4, 15, 6, 23, 20, 16, 26, 14, 0, 9, 14, 24, -3, 10, 11, 1, 4, 
 10, 9, 28, 16, 12, 19, 5, 6, 23, 13, 1, 5, 4, 4, 7, 8, 14, 4, 
 8, 8, 7, 11, 9, 3, 12, 15, 10, 11, 4, 5, 3, 11, 6, 11, 24, 13, 
 23, 12, 11, 18, 9), read.score = c(18, 19, 7, 17, 14, 11, 15, 
 4, 14, 15, 10, 15, 19, 7, 10, 19, 20, 4, 11, 12, 18, 4, 20, 19, 
 3, 11, 9, 18, 10, 17, 15, 17, 9, 14, 2, 17, 2, 6, 18, 13, 9, 
 10, 3, 20, 10, 19, 18, 14, 19, 13, 8, 8, 9, 16, 3, 15, 14, 5, 
 7, 11, 14, 20, 16, 12, 17, 5, 7, 17, 14, 6, 3, 5, 6, 11, 6, 15, 
 2, 9, 11, 2, 12, 5, 8, 14, 16, 12, 6, 4, 4, 7, 14, 2, 6, 19, 
 19, 15, 8, 11, 15, 13), write.score = c(19, 16, 13, 20, 14, 12, 
 18, 4, 2, 16, 9, 16, 21, 13, 7, 24, 21, 8, 15, 15, 14, 4, 22, 
 15, 1, 13, 12, 20, 6, 13, 21, 18, 9, 14, -3, 19, 1, 5, 22, 16, 
 15, 8, 6, 26, 6, 16, 13, 8, 19, 16, 13, 12, 5, 23, 0, 15, 12, 
 5, 8, 11, 14, 20, 14, 10, 10, 3, 5, 28, 9, 7, -3, -1, 6, 7, 6, 
 13, 0, 1, 6, 3, 14, 3, 8, 18, 22, 8, 6, 9, 2, 7, 14, -2, 4, 19, 
 17, 19, 6, 9, 18, 9)), class = "data.frame", row.names = c(NA, 
 -100L)))

Σημείωση: Δεδομένα αυτής της μορφής μπορούν να δημιουργηθούν με τον παρακάτω κώδικα:

set.seed(42)
read.score = round(18*runif(100)) + 2
write.score = round(read.score + 4*rnorm(100))
speak.score = round(read.score + 4*rnorm(100))
PCA.data <- data.frame(speak.score, read.score, write.score)

PCA.data[PCA.data < 0] <- 0 
PCA.data[PCA.data > 20] <- 20

Αναπαριστούμε τα δεδομένα γραφικά:

library(psych)
pairs.panels(PCA.data, ellipse = F, smooth = F)

Εφαρμόζουμε την διαδικασία της ανάλυσης κυρίων συνιστωσών. Αυτή, πρέπει να εφαρμοστεί στα τυποποιημένα δεδομένα και για το λόγο αυτό εφαρμόζουμε πρώτα τη συνάρτηση scale.

PCA.data = scale(PCA.data)
my.PCA = prcomp(PCA.data, center = TRUE, scale. = TRUE)

Παρατηρούμε τα δεδομένα για τις κύριες συνιστώσες με την εντολή:

summary(my.PCA)

## Importance of components:
##                           PC1     PC2     PC3
## Standard deviation     1.6096 0.53380 0.35258
## Proportion of Variance 0.8636 0.09498 0.04144
## Cumulative Proportion  0.8636 0.95856 1.00000

Τα ποσοστά επεξήγησης μπορούν να απομονωθούν ως εξής:

eigs <- round(my.PCA$sdev^2, 3)
proportions =  round(eigs/sum(eigs), 3)

library(htmlTable)
sentence1 = htmlTable(paste0('Η 1η συνιστώσα αντιστοιχεί σε ιδιοτιμή ', eigs[1], ' και επεξηγεί το ', proportions[1], ' της συνολικής μεταβλητότητας'))
sentence2 = htmlTable(paste0('Η 2η συνιστώσα αντιστοιχεί σε ιδιοτιμή ', eigs[2], ' και επεξηγεί το ', proportions[2], ' της συνολικής μεταβλητότητας'))
sentence3 = htmlTable(paste0('Η 3η συνιστώσα αντιστοιχεί σε ιδιοτιμή ', eigs[3], ' και επεξηγεί το ', proportions[3], ' της συνολικής μεταβλητότητας'))
concatHtmlTables(list(sentence1, sentence2, sentence3), headers = "")

Η 1η συνιστώσα αντιστοιχεί σε ιδιοτιμή 2.591 και επεξηγεί το 0.864 της συνολικής μεταβλητότητας

Η 2η συνιστώσα αντιστοιχεί σε ιδιοτιμή 0.285 και επεξηγεί το 0.095 της συνολικής μεταβλητότητας

Η 3η συνιστώσα αντιστοιχεί σε ιδιοτιμή 0.124 και επεξηγεί το 0.041 της συνολικής μεταβλητότητας

Οι εξισώσεις με τις οποίες υπολογίζονται οι νέες συντεταγμένες ως προς τους 3 κύριους παράγοντες είναι οι εξής:

rotation_matrix <- round(my.PCA$rotation, 3)
print(rotation_matrix)

##                PC1    PC2    PC3
## speak.score -0.564 -0.748 -0.348
## read.score  -0.596  0.077  0.800
## write.score -0.572  0.659 -0.489

a11 <- rotation_matrix[1, 1]
a21 <- rotation_matrix[2, 1]
a31 <- rotation_matrix[3, 1]
a12 <- rotation_matrix[1, 2]
a22 <- rotation_matrix[2, 2]
a32 <- rotation_matrix[3, 2]
a13 <- rotation_matrix[1, 3]
a23 <- rotation_matrix[2, 3]
a33 <- rotation_matrix[3, 3]

library(htmlTable)

equation1 = htmlTable(paste0('PC1 = ', a11, " * Read +", a12, " * Write = 0."), caption = "Υπολογισμός συντεταγμένων ως προς τον Principal Component 1")


equation1 = htmlTable(paste0('PC1 = ', a11, " * Speak +", a21, " * Read + ", a31, " * Write"), caption = "Υπολογισμός συντεταγμένων ως προς τον Principal Component 1")
equation2 = htmlTable(paste0('PC2 = ', a12, " * Speak +", a22, " * Read + ", a32, " * Write"), caption = "Υπολογισμός συντεταγμένων ως προς τον Principal Component 2")
equation3 = htmlTable(paste0('PC3 = ', a13, " * Speak +", a23, " * Read + ", a33, " * Write"), caption = "Υπολογισμός συντεταγμένων ως προς τον Principal Component 3")

concatHtmlTables(list(equation1, equation2, equation3), headers = "")

Υπολογισμός συντεταγμένων ως προς τον Principal Component 1
PC1 = -0.564 * Speak +-0.596 * Read + -0.572 * Write

Υπολογισμός συντεταγμένων ως προς τον Principal Component 2
PC2 = -0.748 * Speak +0.077 * Read + 0.659 * Write

Υπολογισμός συντεταγμένων ως προς τον Principal Component 3
PC3 = -0.348 * Speak +0.8 * Read + -0.489 * Write

PCA.data %*% my.PCA$rotation

pairs.panels(my.PCA$x, gap = 0, pch=21, ellipses = F, smooth = F)

Οι περισσότερες από τις παραπάνω πληροφορίες παρουσιάζονται από τη συνάρτηση my_PCA_analysis.

my_PCA = my_PCA_analysis(PCA.data)

my_PCA$htmlTable

Variables

	Original Item
q1	speak.score
q2	read.score
q3	write.score

Correlation Matrix

	q1	q2	q3
q1	1	0.82	0.717
q2	0.82	1	0.848
q3	0.717	0.848	1

Number of factors extracted

Total Variance Explained

	Eigenvalue	Percent of Variance	Cumulative Percent
1	2.591	86.4%	86.4%
2	0.285	9.5%	95.9%
3	0.124	4.1%	100%

Communalities

	communality
q1	0.825
q2	0.919
q3	0.847

Component Matrix

	PC1
q1	0.908
q2	0.959
q3	0.92

3 Αναγνώριση δομής στο ερωτηματολόγιο CDRISC (25 ερωτήσεις)

3.1 Δεδομένα

Έχουμε τα παρακάτω δεδομένα:

CDRISC.data = as.data.frame(structure(list(age = structure(c(75, 84, 75, 69, 67, 81, 70, 
 70, 70, 64, 67, 66, 85, 67, 67, 80, 66, 67, 72, 80, 75, 74, 80, 
 85, 79, 67, 66, 71, 70, 83, 68, 80, 86, 69, 70, 67, 71, 69, 79, 
 78, 65, 85, 71, 74, 68, 72, 77, 85, 62, 68, 64, 78, 83, 60, 71, 
 82, 73, 65, 86, 75, 66, 77, 81, 66, 84, 70, 83, 90, 73, 83, 69, 
 78, 75, 76, 80, 68, 74, 92, 76, 70, 72, 80, 74, 81, 78, 70, 66, 
 86, 82, 73, 87, 63, 70, 81, 69, 76, 66, 67, 74, 77, 73, 88, 69, 
 68, 67, 76, 83, 87, 79, 67, 70, 72, 66, 68, 65, 68, 68, 66, 67, 
 69, 67, 73, 69, 75, 79, 71, 75, 67, 87, 79, 68, 77, 78, 69, 83, 
 60, 68, 65, 74, 66, 67, 84, 65, 76, 77, 73, 71, 71, 71, 80, 69, 
 72, 64, 67, 69, 68, 88, 67, 67, 73, 91, 69, 82, 78, 75, 79, 77, 
 64, 82, 85, 64, 72, 66, 83, 70, 79, 79, 79, 78, 90, 84, 87, 87, 
 81, 81, 72, 73, NA, NA, NA, 73, 80, 76, 72, 75, 77, 70, 74, 80, 
 74, 67, 80, 84, 78), format.spss = "F9.0", display_width = 2L), 
 gender = structure(c(1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 
 1, 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 0, 1, 
 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 
 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 1, 1, 
 0, 1, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 0, 1, 
 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1, 0, 
 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 1, 1, 0, 0, 1, 
 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 
 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 
 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 
 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 
 0, 1), format.spss = "F8.0", display_width = 2L), CDRS1 = structure(c(3, 
 2, 2, 1, 4, 2, 3, 3, 1, 3, 3, 3, 2, 1, 4, 1, 2, 2, 0, 2, 
 2, 3, 2, 3, 1, 1, 4, 0, 2, 2, 3, 4, 1, 2, 2, 0, 2, 3, 4, 
 3, 0, 2, 0, 3, 3, 1, 3, 3, 4, 3, 4, 1, 1, 3, 4, 4, 0, 4, 
 1, 4, 3, 4, 2, 3, 0, 1, 0, 4, 2, 3, 1, 1, 3, 1, 3, 3, 3, 
 3, 1, 0, 4, 1, 0, 0, 3, 3, 4, 2, 3, 4, 1, 2, 2, 3, 4, 4, 
 2, 3, 3, 3, 2, 2, 3, 3, 4, 4, 0, 4, 3, 3, 1, 3, 3, 3, 3, 
 2, 3, 3, 4, 2, 1, 1, 2, 2, 3, 0, 2, 2, 0, 0, 0, 0, 1, 0, 
 3, 4, 3, 3, 4, 4, 3, 3, 4, 2, 4, 4, 3, 3, 1, 4, 3, 2, 3, 
 4, 2, 3, 0, 3, 3, 2, 3, 3, 3, 0, 4, 0, 0, 3, 2, 0, 3, 3, 
 3, 0, 3, 0, 1, 0, 1, 2, 3, 1, 4, 1, 1, 2, 2, 3, 2, 4, 2, 
 2, 1, 0, 2, 2, 4, 3, 4, 2, 2, 3, 3, 4), format.spss = "F8.0", display_width = 5L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0,
   'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
   'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS2 = structure(c(4, 2, 3, 2, 4, 3, 1, 3, 2, 2, 4, 
 3, 2, 4, 3, 0, 3, 4, 3, 2, 2, 2, 2, 2, 2, 3, 4, 1, 1, 3, 
 4, 4, 4, 3, 1, 3, 1, 4, 4, 2, 2, 1, 0, 3, 3, 1, 2, 3, 4, 
 3, 4, 3, 3, 2, 4, 3, 1, 2, 1, 4, 3, 4, 2, 3, 1, 1, 1, 2, 
 2, 4, 1, 2, 2, 1, 3, 3, 3, 4, 1, 3, 4, 2, 1, 3, 1, 4, 4, 
 3, 3, 3, 3, 1, 2, 3, 4, 2, 2, 3, 3, 3, 4, 4, 0, 2, 2, 2, 
 4, 4, 3, 4, 3, 4, 3, 3, 1, 3, 3, 3, 3, 3, 3, 0, 1, 3, 2, 
 2, 3, 2, 0, 0, 1, 0, 1, 2, 3, 4, 4, 1, 0, 0, 4, 3, 2, 0, 
 2, 4, 4, 4, 1, 3, 3, 3, 4, 0, 4, 1, 1, 3, 2, 2, 4, 3, 3, 
 1, 3, 0, 2, 2, 3, 4, 2, 2, 3, 3, 3, 3, 4, 0, 1, 2, 3, 1, 
 4, 1, 1, 1, 4, 4, 2, 2, 4, 2, 0, 1, 1, 2, 4, 3, 4, 2, 2, 
 2, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
   "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
   )), CDRS3 = structure(c(2, 3, 3, 1, 3, 4, 3, 3, 3, 4, 4, 
 4, 2, 4, 4, 4, 4, 4, 3, 2, 3, 1, 1, 2, 3, 4, 4, 1, 2, 3, 
 4, 4, 2, 2, 3, 4, 3, 3, 4, 2, 4, 3, 2, 3, 1, 3, 3, 4, 4, 
 4, 4, 3, 3, 2, 3, 3, 2, 0, 1, 1, 2, 3, 2, 3, 3, 1, 1, 2, 
 3, 4, 1, 2, 3, 2, 4, 2, 3, 4, 1, 3, 4, 4, 1, 3, 0, 3, 0, 
 1, 0, 2, 4, 4, 4, 3, 4, 1, 2, 2, 0, 3, 4, 4, 2, 4, 4, 2, 
 3, 0, 3, 4, 4, 4, 4, 4, 3, 3, 2, 3, 1, 1, 2, 4, 3, 1, 2, 
 1, 4, 3, 0, 0, 4, 2, 1, 3, 2, 4, 3, 3, 4, 4, 4, 4, 2, 4, 
 2, 3, 4, 4, 2, 3, 4, 3, 4, 4, 3, 4, 1, 3, 4, 3, 4, 3, 4, 
 2, 4, 3, 4, 1, 3, 4, 3, 3, 3, 4, 4, 4, 4, 2, 1, 2, 3, 1, 
 4, 1, 1, 2, 3, 2, 0, 4, 3, 3, 1, 2, 3, 3, 3, 4, 4, 2, 3, 
 4, 2, 4), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
   "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
   )), CDRS4 = structure(c(4, 3, 4, 3, 4, 0, 3, 4, 2, 2, 3, 
 4, 3, 3, 3, 2, 3, 1, 0, 1, 1, 3, 3, 3, 4, 2, 3, 2, 4, 2, 
 3, 3, 2, 2, 3, 3, 2, 3, 4, 2, 2, 2, 3, 4, 1, 1, 2, 3, 3, 
 3, 4, 2, 2, 2, 4, 2, 2, 0, 3, 4, 2, 4, 2, 3, 1, 1, 1, 2, 
 3, 3, 0, 2, 2, 2, 2, 4, 4, 3, 1, 3, 4, 2, 1, 0, 2, 1, 3, 
 4, 3, 3, 2, 2, 4, 4, 3, 4, 4, 3, 2, 3, 1, 2, 1, 3, 4, 4, 
 0, 4, 2, 3, 4, 2, 2, 4, 2, 2, 2, 2, 2, 2, 0, 2, 2, 2, 1, 
 3, 2, 1, 0, 0, 4, 2, 1, 3, 1, 2, 3, 4, 4, 2, 3, 2, 2, 4, 
 2, 3, 3, 3, 0, 3, 3, 2, 3, 2, 2, 4, 0, 2, 2, 2, 3, 4, 1, 
 2, 1, 2, 0, 3, 3, 1, 4, 1, 4, 1, 4, 2, 3, 2, 2, 1, 3, 1, 
 4, 1, 1, 2, 3, 3, 2, 2, 2, 1, 0, 1, 2, 1, 3, 3, 1, 2, 1, 
 2, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
  'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
  'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS5 = structure(c(4, 4, 3, 1, 4, 1, 3, 4, 2, 3, 3, 
   4, 3, 3, 4, 1, 3, 0, 0, 2, 2, 3, 1, 2, 3, 1, 3, 2, 3, 3, 
   3, 3, 1, 3, 3, 3, 1, 0, 3, 2, 2, 1, 3, 4, 2, 1, 3, 3, 3, 
   3, 4, 2, 2, 2, 4, 2, 0, 0, 3, 3, 1, 2, 2, 1, 1, 1, 0, 1, 
   3, 0, 0, 2, 3, 1, 3, 4, 3, 4, 1, 0, 4, 1, 1, 0, 2, 3, 4, 
   4, 3, 4, 2, 2, 4, 4, 2, 4, 4, 3, 2, 2, 1, 3, 2, 2, 3, 2, 
   1, 1, 3, 3, 4, 3, 4, 3, 2, 2, 3, 1, 3, 2, 4, 2, 2, 4, 1, 
   2, 1, 1, 0, 0, 3, 0, 1, 3, 2, 3, 3, 3, 0, 4, 4, 2, 2, 4, 
   1, 2, 4, 4, 0, 3, 3, 3, 4, 4, 2, 3, 0, 3, 4, 2, 4, 3, 2, 
   1, 3, 2, 0, 3, 3, 2, 4, 1, 2, 2, 4, 3, 4, 0, 2, 1, 3, 1, 
   2, 1, 1, 2, 3, 4, 0, 0, 3, 3, 1, 2, 2, 2, 3, 3, 3, 2, 2, 
   3, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS6 = structure(c(4, 4, 2, 2, 4, 0, 2, 3, 1, 2, 2, 
   2, 2, 2, 2, 1, 2, 4, 2, 1, 2, 3, 1, 2, 2, 1, 3, 0, 2, 2, 
   3, 4, 2, 3, 3, 2, 1, 4, 4, 2, 2, 2, 3, 3, 1, 1, 2, 2, 2, 
   3, 4, 3, 3, 1, 4, 2, 0, 0, 3, 4, 1, 1, 1, 1, 1, 1, 0, 1, 
   2, 1, 0, 1, 2, 0, 3, 3, 3, 4, 1, 1, 2, 2, 0, 0, 1, 0, 4, 
   3, 4, 4, 1, 3, 4, 2, 3, 4, 3, 3, 2, 3, 2, 2, 1, 2, 2, 4, 
   2, 4, 2, 3, 2, 2, 4, 2, 2, 2, 4, 2, 4, 3, 1, 4, 2, 3, 2, 
   3, 2, 2, 0, 0, 3, 0, 1, 2, 3, 2, 2, 4, 0, 0, 3, 1, 2, 2, 
   0, 3, 4, 4, 0, 2, 3, 2, 3, 0, 3, 3, 0, 3, 4, 2, 3, 3, 2, 
   0, 1, 1, 2, 1, 2, 0, 4, 2, 2, 1, 4, 3, 4, 0, 1, 1, 3, 1, 
   2, 1, 1, 2, 3, 2, 2, 2, 3, 2, 0, 2, 1, 1, 3, 4, 2, 2, 1, 
   2, 3, 4), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS7 = structure(c(2, 4, 3, 1, 4, 0, 3, 4, 2, 2, 3, 
 4, 2, 2, 3, 2, 2, 2, 0, 1, 2, 3, 0, 2, 3, 2, 2, 1, 2, 2, 
 3, 3, 2, 3, 3, 3, 2, 4, 4, 2, 3, 2, 3, 4, 2, 1, 2, 3, 3, 
 3, 4, 2, 2, 3, 4, 2, 0, 0, 3, 4, 1, 1, 1, 1, 1, 1, 0, 1, 
 2, 0, 0, 2, 3, 2, 4, 4, 2, 4, 1, 1, 1, 1, 0, 0, 2, 3, 4, 
 2, 2, 4, 1, 2, 4, 2, 4, 4, 3, 3, 3, 3, 2, 2, 1, 3, 4, 2, 
 2, 4, 2, 3, 3, 3, 3, 2, 1, 1, 4, 2, 2, 1, 1, 3, 1, 2, 1, 
 1, 3, 0, 0, 0, 3, 0, 1, 2, 2, 3, 3, 4, 4, 3, 3, 2, 1, 3, 
 0, 3, 3, 3, 0, 3, 4, 3, 3, 3, 1, 3, 0, 3, 1, 1, 3, 2, 3, 
 1, 2, 3, 2, 2, 2, 1, 3, 3, 1, 1, 4, 2, 4, 0, 2, 1, 2, 1, 
 2, 1, 2, 2, 3, 2, 0, 0, 3, 0, 2, 1, 3, 2, 4, 2, 2, 2, 2, 
 1, 3, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
   "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
   )), CDRS8 = structure(c(3, 3, 3, 2, 4, 3, 4, 4, 2, 3, 3, 
 4, 3, 3, 4, 0, 3, 2, 0, 3, 2, 4, 1, 3, 3, 2, 3, 1, 3, 2, 
 3, 3, 2, 3, 3, 3, 3, 3, 4, 3, 3, 3, 3, 3, 3, 2, 3, 3, 3, 
 3, 3, 3, 3, 3, 4, 2, 2, 0, 3, 3, 1, 1, 1, 1, 1, 0, 0, 1, 
 2, 1, 0, 2, 3, 1, 3, 4, 3, 3, 1, 1, 3, 2, 0, 0, 2, 3, 3, 
 3, 2, 3, 2, 3, 4, 2, 4, 4, 3, 3, 4, 3, 3, 2, 2, 2, 4, 3, 
 1, 3, 2, 3, 4, 2, 2, 2, 3, 2, 4, 1, 2, 3, 1, 1, 3, 2, 1, 
 4, 3, 3, 0, 1, 3, 1, 1, 2, 3, 3, 4, 3, 4, 3, 3, 2, 1, 3, 
 2, 3, 3, 4, 1, 3, 4, 2, 3, 3, 2, 4, 1, 2, 2, 2, 4, 3, 2, 
 2, 2, 1, 1, 4, 2, 4, 3, 2, 3, 2, 4, 1, 4, 0, 3, 1, 3, 1, 
 3, 2, 2, 2, 4, 3, 2, 1, 3, 0, 1, 2, 1, 3, 4, 2, 3, 2, 2, 
 2, 2, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
  'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
  'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS9 = structure(c(4, 4, 4, 1, 4, 1, 2, 3, 3, 3, 3, 
 4, 2, 2, 4, 2, 2, 4, 4, 4, 3, 3, 4, 3, 3, 3, 3, 3, 2, 3, 
 4, 3, 3, 2, 3, 3, 3, 4, 3, 3, 4, 3, 3, 3, 0, 3, 3, 3, 3, 
 3, 4, 3, 3, 3, 3, 3, 2, 0, 3, 3, 1, 3, 2, 3, 1, 2, 0, 1, 
 2, 4, 0, 3, 3, 2, 2, 2, 4, 4, 1, 2, 4, 4, 0, 0, 0, 4, 4, 
 1, 1, 3, 4, 4, 4, 4, 4, 0, 2, 2, 2, 3, 3, 4, 3, 4, 2, 2, 
 2, 1, 3, 3, 4, 3, 4, 4, 4, 3, 4, 3, 1, 0, 3, 3, 4, 3, 1, 
 0, 4, 2, 0, 1, 4, 1, 3, 1, 3, 4, 3, 3, 4, 4, 4, 4, 2, 3, 
 1, 2, 4, 3, 2, 4, 4, 4, 3, 4, 4, 3, 2, 3, 4, 3, 4, 4, 3, 
 1, 3, 3, 2, 3, 3, 4, 3, 3, 2, 2, 4, 2, 4, 2, 3, 2, 3, 1, 
 3, 2, 2, 1, 4, 3, 2, 4, 3, 2, 0, 0, 2, 2, 4, 4, 4, 2, 2, 
 3, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS10 = structure(c(3, 4, 3, 2, 4, 2, 3, 4, 3, 3, 3, 
 4, 3, 2, 3, 3, 3, 4, 0, 2, 3, 3, 2, 3, 3, 2, 4, 1, 3, 3, 
 4, 3, 2, 2, 4, 3, 2, 4, 4, 3, 3, 3, 4, 4, 3, 1, 3, 3, 3, 
 3, 4, 4, 4, 3, 4, 3, 3, 1, 3, 4, 2, 3, 2, 3, 1, 2, 2, 1, 
 2, 4, 2, 2, 2, 1, 3, 3, 3, 3, 1, 2, 4, 2, 0, 0, 3, 4, 4, 
 3, 3, 3, 2, 2, 2, 3, 4, 4, 3, 3, 2, 3, 3, 2, 2, 2, 3, 3, 
 4, 4, 3, 4, 4, 4, 3, 4, 2, 3, 4, 3, 3, 2, 2, 3, 3, 1, 1, 
 0, 2, 1, 0, 1, 4, 2, 3, 3, 3, 3, 4, 2, 4, 4, 3, 3, 2, 4, 
 3, 4, 3, 3, 1, 4, 4, 3, 3, 4, 4, 4, 2, 4, 2, 1, 3, 3, 3, 
 3, 2, 4, 3, 3, 3, 2, 3, 3, 3, 2, 4, 1, 4, 1, 3, 1, 3, 1, 
 3, 2, 2, 3, 4, 4, 2, 4, 4, 1, 2, 2, 1, 3, 3, 3, 3, 3, 2, 
 2, 3, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
   "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
   )), CDRS11 = structure(c(4, 4, 2, 1, 4, 1, 3, 3, 2, 2, 2, 
 2, 3, 3, 2, 2, 4, 4, 0, 2, 2, 4, 1, 3, 4, 1, 3, 2, 3, 2, 
 4, 4, 2, 2, 3, 4, 2, 3, 3, 2, 2, 3, 3, 4, 2, 1, 2, 4, 2, 
 3, 3, 3, 3, 1, 4, 3, 2, 1, 3, 4, 2, 3, 1, 2, 1, 2, 0, 2, 
 2, 2, 1, 1, 3, 1, 4, 4, 3, 4, 1, 1, 3, 2, 1, 0, 2, 1, 3, 
 3, 3, 2, 2, 4, 4, 4, 4, 4, 3, 3, 2, 3, 2, 1, 1, 2, 3, 2, 
 2, 2, 3, 4, 4, 4, 3, 2, 3, 3, 2, 2, 3, 3, 0, 4, 2, 4, 2, 
 2, 1, 3, 0, 0, 4, 2, 3, 1, 3, 2, 4, 4, 0, 0, 3, 3, 2, 4, 
 2, 3, 3, 3, 1, 2, 3, 3, 4, 0, 1, 3, 0, 3, 2, 3, 2, 2, 2, 
 1, 2, 2, 1, 2, 2, 2, 4, 2, 2, 2, 2, 2, 3, 1, 4, 1, 3, 1, 
 3, 2, 1, 2, 3, 4, 2, 0, 3, 3, 1, 1, 3, 0, 3, 2, 3, 3, 2, 
 3, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
   'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
   'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS12 = structure(c(3, 4, 3, 3, 3, 1, 3, 3, 2, 2, 2, 
 4, 3, 3, 3, 1, 3, 4, 2, 1, 2, 3, 3, 3, 3, 2, 3, 1, 3, 3, 
 4, 3, 2, 2, 3, 3, 1, 0, 3, 2, 3, 3, 3, 4, 3, 1, 3, 4, 3, 
 3, 4, 4, 4, 1, 4, 3, 2, 0, 3, 4, 1, 3, 2, 2, 1, 2, 0, 2, 
 2, 3, 0, 2, 4, 1, 4, 4, 4, 3, 1, 1, 4, 1, 0, 2, 3, 3, 3, 
 3, 4, 3, 1, 2, 4, 3, 4, 4, 2, 3, 2, 3, 3, 3, 2, 2, 2, 2, 
 3, 4, 2, 4, 3, 2, 2, 2, 1, 3, 3, 3, 3, 3, 1, 2, 2, 3, 2, 
 3, 2, 3, 0, 1, 4, 0, 3, 2, 1, 4, 3, 3, 4, 0, 3, 3, 2, 4, 
 0, 3, 4, 4, 1, 3, 3, 2, 3, 0, 2, 4, 1, 4, 3, 2, 3, 3, 1, 
 0, 1, 2, 2, 2, 3, 2, 3, 1, 3, 1, 3, 3, 2, 1, 4, 1, 3, 1, 
 3, 2, 1, 3, 3, 3, 2, 3, 2, 1, 1, 2, 1, 2, 4, 3, 2, 3, 2, 
 1, 3, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
   "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
   )), CDRS13 = structure(c(3, 4, 2, 1, 4, 3, 2, 3, 2, 2, 3, 
   4, 3, 3, 4, 3, 3, 4, 2, 3, 3, 3, 3, 4, 3, 4, 4, 2, 3, 3, 
   4, 4, 4, 3, 3, 4, 3, 4, 4, 3, 3, 3, 3, 4, 3, 1, 3, 4, 3, 
   2, 4, 3, 3, 1, 4, 3, 3, 0, 3, 4, 2, 3, 3, 2, 1, 2, 3, 3, 
   2, 4, 2, 2, 4, 2, 4, 4, 4, 4, 1, 2, 4, 3, 0, 3, 1, 0, 4, 
   2, 4, 2, 3, 3, 4, 4, 4, 4, 2, 3, 2, 3, 3, 4, 3, 4, 2, 2, 
   4, 4, 3, 4, 4, 4, 4, 3, 3, 3, 4, 3, 1, 3, 3, 1, 1, 4, 2, 
   2, 3, 4, 1, 0, 4, 0, 3, 2, 3, 4, 4, 1, 4, 0, 3, 3, 3, 4, 
   2, 4, 3, 2, 2, 3, 4, 3, 3, 0, 2, 2, 3, 3, 3, 3, 3, 3, 1, 
   2, 3, 4, 3, 3, 3, 4, 3, 1, 3, 3, 2, 2, 4, 1, 4, 1, 3, 1, 
   3, 2, 1, 3, 4, 4, 2, 2, 4, 2, 1, 1, 3, 2, 3, 3, 4, 3, 3, 
   1, 3, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
   'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
   'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS14 = structure(c(4, 4, 3, 2, 4, 0, 2, 3, 1, 3, 2, 
 4, 1, 2, 2, 0, 2, 4, 0, 1, 3, 3, 0, 3, 3, 1, 3, 0, 2, 1, 
 4, 4, 2, 2, 3, 3, 2, 2, 3, 3, 0, 2, 3, 4, 1, 1, 3, 3, 2, 
 3, 3, 1, 2, 2, 4, 3, 3, 0, 3, 4, 2, 2, 1, 2, 1, 2, 0, 2, 
 3, 2, 2, 1, 3, 1, 4, 3, 3, 2, 2, 2, 2, 3, 0, 3, 1, 0, 3, 
 1, 4, 3, 1, 3, 4, 0, 3, 4, 1, 3, 2, 3, 4, 2, 2, 2, 2, 2, 
 4, 4, 2, 4, 2, 1, 2, 2, 2, 2, 2, 2, 2, 1, 4, 4, 0, 3, 0, 
 2, 1, 2, 0, 1, 3, 0, 2, 2, 3, 1, 4, 1, 4, 4, 3, 3, 2, 4, 
 0, 1, 3, 3, 1, 2, 3, 2, 3, 4, 2, 2, 0, 2, 1, 1, 3, 2, 3, 
 2, 3, 1, 1, 3, 2, 0, 3, 2, 2, 1, 3, 2, 2, 1, 3, 1, 3, 1, 
 3, 2, 1, 3, 2, 2, 2, 2, 2, 3, 1, 2, 1, 2, 2, 3, 1, 3, 2, 
 0, 2, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS15 = structure(c(3, 4, 2, 1, 3, 0, 2, 4, 1, 2, 3, 
   2, 3, 3, 2, 2, 2, 4, 0, 4, 2, 3, 1, 3, 4, 1, 3, 2, 3, 2, 
   3, 3, 2, 2, 3, 3, 1, 3, 3, 2, 2, 3, 3, 3, 2, 1, 2, 3, 2, 
   3, 3, 2, 2, 3, 4, 3, 3, 0, 3, 4, 2, 3, 1, 2, 1, 1, 0, 3, 
   3, 2, 1, 2, 4, 2, 3, 4, 4, 3, 2, 2, 2, 3, 0, 0, 0, 0, 3, 
   2, 3, 1, 1, 2, 4, 1, 3, 4, 3, 3, 2, 3, 3, 2, 2, 3, 1, 2, 
   4, 3, 2, 3, 4, 1, 3, 2, 2, 2, 2, 3, 1, 0, 1, 2, 0, 2, 2, 
   1, 4, 0, 0, 1, 3, 2, 2, 2, 3, 1, 4, 3, 0, 3, 2, 3, 2, 4, 
   3, 3, 2, 2, 0, 3, 3, 1, 2, 3, 2, 4, 0, 2, 2, 1, 2, 3, 2, 
   2, 4, 3, 0, 2, 2, 0, 3, 1, 3, 1, 3, 2, 3, 0, 3, 1, 3, 1, 
   3, 2, 1, 3, 1, 2, 1, 2, 3, 1, 0, 2, 2, 4, 3, 4, 2, 2, 2, 
   2, 3, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS16 = structure(c(3, 4, 1, 2, 4, 1, 3, 4, 2, 2, 3, 
 4, 3, 3, 3, 2, 2, 4, 0, 2, 2, 4, 1, 3, 4, 1, 3, 1, 3, 2, 
 3, 3, 2, 1, 3, 3, 1, 2, 4, 2, 2, 3, 2, 3, 2, 2, 3, 4, 2, 
 3, 4, 3, 3, 0, 4, 3, 3, 0, 3, 4, 2, 3, 2, 2, 1, 1, 0, 2, 
 3, 2, 1, 2, 2, 2, 4, 4, 3, 3, 2, 2, 2, 2, 0, 0, 2, 0, 3, 
 3, 3, 2, 1, 3, 2, 2, 3, 4, 1, 3, 2, 3, 3, 1, 2, 1, 1, 2, 
 3, 3, 2, 3, 3, 2, 2, 1, 1, 1, 3, 2, 2, 1, 2, 0, 1, 4, 2, 
 3, 3, 0, 0, 0, 3, 2, 2, 2, 3, 2, 4, 3, 4, 3, 2, 3, 1, 4, 
 0, 3, 2, 2, 1, 3, 4, 3, 2, 3, 2, 3, 0, 3, 1, 2, 3, 2, 3, 
 3, 2, 1, 1, 2, 2, 1, 3, 2, 2, 1, 2, 1, 1, 0, 3, 1, 3, 1, 
 3, 2, 2, 2, 2, 2, 1, 2, 3, 3, 2, 1, 2, 2, 3, 3, 2, 2, 2, 
 1, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
  "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
  )), CDRS17 = structure(c(4, 4, 4, 1, 4, 0, 3, 4, 3, 3, 3, 
 4, 3, 2, 4, 1, 4, 3, 0, 3, 1, 4, 4, 3, 4, 1, 3, 3, 3, 3, 
 4, 4, 3, 1, 3, 3, 2, 3, 4, 2, 2, 3, 3, 4, 3, 1, 3, 4, 2, 
 3, 4, 3, 3, 0, 4, 3, 3, 0, 4, 4, 2, 4, 3, 2, 1, 1, 0, 4, 
 3, 4, 0, 3, 3, 2, 4, 4, 4, 4, 2, 2, 3, 3, 0, 0, 3, 0, 3, 
 4, 4, 4, 1, 1, 4, 3, 4, 4, 3, 3, 2, 3, 4, 2, 1, 1, 2, 1, 
 4, 3, 2, 3, 4, 2, 3, 3, 1, 2, 2, 3, 3, 2, 3, 2, 2, 4, 2, 
 2, 2, 1, 2, 1, 3, 3, 3, 2, 4, 4, 4, 4, 4, 4, 4, 3, 2, 4, 
 3, 4, 4, 4, 2, 3, 3, 2, 4, 4, 2, 3, 1, 3, 2, 2, 2, 3, 1, 
 2, 2, 2, 2, 3, 2, 2, 4, 2, 0, 1, 4, 2, 4, 0, 2, 1, 3, 1, 
 3, 2, 2, 3, 2, 3, 3, 4, 4, 1, 3, 3, 1, 0, 3, 2, 2, 2, 3, 
 1, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
  'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
  'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS18 = structure(c(4, 4, 3, 2, 4, 0, 2, 2, 2, 2, 4, 
 4, 3, 3, 3, 2, 3, 3, 0, 3, 2, 4, 2, 3, 4, 2, 3, 1, 3, 3, 
 3, 3, 3, 2, 3, 3, 1, 1, 3, 3, 1, 2, 4, 4, 2, 1, 2, 3, 2, 
 3, 4, 3, 3, 1, 4, 3, 3, 0, 4, 4, 2, 3, 1, 2, 1, 1, 0, 2, 
 3, 4, 1, 2, 3, 1, 4, 4, 3, 4, 2, 0, 3, 2, 0, 0, 4, 0, 3, 
 3, 4, 2, 1, 2, 4, 3, 4, 3, 2, 2, 2, 3, 3, 1, 1, 2, 2, 1, 
 3, 3, 2, 3, 4, 2, 3, 2, 2, 1, 2, 2, 2, 2, 1, 2, 2, 3, 2, 
 4, 2, 0, 0, 1, 3, 2, 3, 2, 3, 2, 4, 3, 1, 4, 2, 3, 3, 4, 
 2, 3, 2, 2, 2, 3, 3, 2, 2, 4, 2, 2, 1, 2, 2, 1, 2, 3, 1, 
 1, 2, 0, 0, 3, 3, 1, 4, 1, 2, 1, 3, 2, 3, 0, 2, 1, 3, 1, 
 3, 2, 2, 3, 1, 3, 3, 4, 3, 0, 3, 2, 3, 2, 2, 2, 2, 2, 3, 
 1, 3, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS19 = structure(c(4, 4, 2, 1, 4, 0, 3, 3, 2, 2, 2, 
 4, 3, 3, 3, 2, 3, 1, 0, 3, 3, 4, 3, 3, 3, 3, 3, 0, 3, 1, 
 3, 2, 2, 2, 3, 3, 2, 2, 4, 3, 2, 3, 4, 3, 1, 2, 3, 4, 3, 
 3, 4, 2, 2, 1, 4, 3, 3, 0, 4, 4, 2, 3, 1, 2, 1, 1, 0, 2, 
 3, 4, 0, 2, 3, 2, 3, 4, 4, 3, 2, 1, 2, 2, 0, 2, 4, 3, 3, 
 2, 3, 1, 0, 2, 2, 3, 4, 4, 2, 3, 2, 3, 3, 2, 2, 3, 3, 3, 
 3, 2, 2, 3, 3, 1, 2, 2, 2, 2, 2, 2, 3, 1, 1, 1, 2, 4, 1, 
 4, 3, 2, 0, 0, 2, 2, 3, 2, 1, 1, 4, 3, 4, 4, 1, 3, 2, 4, 
 3, 4, 2, 2, 2, 3, 3, 2, 1, 4, 2, 3, 1, 3, 1, 1, 3, 2, 2, 
 0, 1, 0, 2, 3, 3, 1, 3, 2, 3, 0, 2, 1, 2, 0, 2, 1, 3, 1, 
 3, 2, 2, 2, 3, 2, 2, 0, 3, 0, 1, 1, 2, 3, 3, 3, 1, 2, 3, 
 1, 3, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
   "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
   )), CDRS20 = structure(c(4, 3, 3, 3, 4, 1, 2, 2, 1, 2, 2, 
 4, 3, 2, 3, 2, 3, 1, 0, 2, 3, 3, 1, 3, 3, 2, 3, 1, 3, 2, 
 4, 2, 2, 1, 3, 3, 2, 4, 3, 2, 1, 3, 1, 3, 2, 1, 3, 3, 2, 
 3, 3, 3, 3, 1, 4, 3, 2, 0, 4, 4, 2, 3, 2, 2, 1, 1, 0, 2, 
 2, 2, 1, 1, 4, 2, 4, 3, 3, 3, 2, 1, 1, 1, 0, 0, 3, 4, 2, 
 3, 3, 2, 3, 3, 3, 2, 2, 3, 3, 3, 3, 3, 4, 1, 1, 1, 2, 2, 
 3, 2, 2, 4, 4, 2, 4, 3, 3, 3, 3, 3, 3, 1, 3, 3, 3, 3, 1, 
 3, 2, 1, 0, 1, 2, 2, 3, 1, 3, 3, 4, 4, 0, 4, 2, 3, 2, 4, 
 3, 3, 2, 2, 0, 3, 4, 3, 2, 4, 2, 3, 1, 3, 2, 1, 3, 3, 3, 
 0, 2, 3, 3, 3, 2, 2, 3, 1, 1, 2, 4, 3, 4, 0, 2, 2, 3, 1, 
 4, 2, 2, 4, 2, 2, 2, 3, 3, 0, 1, 0, 1, 1, 3, 3, 3, 3, 3, 
 1, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS21 = structure(c(4, 4, 2, 1, 4, 2, 3, 4, 1, 2, 2, 
 4, 4, 2, 2, 2, 3, 1, 0, 2, 2, 3, 0, 4, 3, 2, 3, 0, 3, 3, 
 4, 3, 2, 1, 3, 4, 1, 2, 3, 2, 1, 3, 2, 4, 2, 1, 2, 3, 2, 
 3, 4, 2, 2, 0, 4, 3, 1, 0, 4, 4, 2, 3, 2, 2, 1, 1, 0, 2, 
 2, 2, 0, 2, 3, 1, 3, 4, 3, 4, 2, 0, 1, 1, 0, 0, 2, 4, 3, 
 0, 4, 2, 1, 3, 4, 2, 2, 3, 3, 2, 2, 3, 4, 2, 1, 3, 2, 2, 
 4, 3, 3, 4, 4, 2, 3, 3, 2, 2, 2, 2, 4, 2, 4, 2, 2, 2, 2, 
 1, 2, 3, 0, 0, 2, 1, 3, 1, 3, 3, 3, 4, 0, 2, 3, 3, 1, 4, 
 1, 3, 1, 1, 0, 3, 3, 2, 3, 2, 2, 3, 0, 2, 3, 1, 2, 3, 1, 
 0, 1, 2, 2, 3, 2, 4, 3, 2, 3, 1, 4, 2, 4, 0, 3, 2, 3, 1, 
 4, 2, 2, 3, 2, 3, 2, 2, 3, 2, 2, 2, 2, 3, 4, 4, 3, 3, 3, 
 1, 2, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
   "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
   )), CDRS22 = structure(c(3, 4, 2, 2, 4, 2, 2, 4, 1, 3, 3, 
 4, 3, 3, 3, 3, 4, 2, 0, 2, 2, 4, 0, 4, 3, 1, 2, 1, 3, 2, 
 4, 3, 3, 2, 4, 3, 2, 1, 3, 3, 2, 3, 2, 4, 3, 1, 3, 3, 2, 
 2, 3, 3, 3, 0, 4, 3, 1, 0, 3, 4, 2, 3, 2, 1, 1, 1, 0, 3, 
 2, 2, 0, 1, 2, 3, 2, 4, 3, 4, 1, 0, 1, 1, 0, 0, 4, 3, 3, 
 4, 4, 3, 2, 2, 3, 3, 2, 3, 3, 2, 2, 3, 4, 1, 2, 3, 2, 2, 
 3, 3, 2, 3, 4, 2, 3, 3, 2, 2, 2, 2, 4, 3, 2, 4, 2, 2, 2, 
 2, 4, 2, 0, 0, 2, 1, 0, 1, 3, 3, 4, 1, 2, 0, 3, 3, 3, 4, 
 1, 4, 4, 4, 0, 3, 3, 1, 3, 0, 1, 4, 1, 3, 2, 2, 2, 2, 2, 
 1, 2, 1, 1, 3, 3, 1, 3, 1, 3, 2, 2, 3, 4, 0, 3, 2, 3, 1, 
 4, 2, 1, 4, 2, 3, 2, 0, 3, 2, 1, 2, 3, 0, 2, 4, 2, 3, 2, 
 1, 2, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
   'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
   'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS23 = structure(c(4, 4, 2, 2, 4, 0, 2, 3, 2, 2, 1, 
   2, 3, 0, 2, 0, 1, 0, 0, 1, 2, 3, 0, 4, 2, 1, 2, 0, 2, 1, 
   3, 2, 1, 1, 3, 1, 1, 2, 2, 1, 0, 1, 1, 3, 1, 1, 2, 3, 2, 
   2, 2, 2, 2, 0, 3, 3, 0, 0, 3, 4, 2, 2, 2, 1, 1, 0, 0, 3, 
   2, 3, 0, 2, 3, 2, 3, 3, 4, 3, 1, 0, 1, 1, 0, 0, 1, 0, 2, 
   2, 2, 1, 0, 2, 2, 2, 1, 3, 4, 2, 1, 3, 3, 2, 0, 2, 2, 2, 
   1, 2, 2, 3, 3, 2, 3, 2, 3, 3, 2, 2, 3, 0, 0, 0, 2, 3, 2, 
   1, 2, 1, 0, 0, 2, 1, 0, 1, 3, 2, 4, 2, 0, 3, 3, 3, 1, 4, 
   1, 2, 2, 2, 0, 2, 3, 2, 3, 0, 2, 4, 0, 3, 1, 2, 1, 3, 1, 
   2, 0, 0, 0, 1, 2, 1, 2, 2, 2, 0, 1, 1, 2, 0, 3, 3, 3, 1, 
   4, 2, 1, 2, 0, 2, 4, 0, 1, 2, 0, 2, 2, 3, 3, 3, 3, 3, 3, 
   1, 2, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
  "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
  )), CDRS24 = structure(c(3, 4, 3, 1, 4, 0, 3, 4, 2, 3, 3, 
   4, 4, 1, 4, 0, 4, 3, 0, 0, 1, 4, 3, 4, 4, 1, 3, 0, 3, 3, 
   4, 3, 2, 3, 4, 3, 1, 4, 3, 2, 2, 3, 3, 3, 3, 0, 3, 3, 2, 
   3, 3, 2, 2, 0, 4, 3, 1, 0, 3, 4, 2, 2, 2, 1, 1, 1, 0, 3, 
   2, 4, 0, 1, 4, 2, 4, 4, 4, 4, 0, 0, 1, 1, 0, 0, 3, 4, 3, 
   4, 3, 3, 0, 2, 2, 3, 3, 4, 3, 3, 2, 3, 2, 1, 1, 2, 3, 3, 
   4, 3, 2, 3, 4, 2, 4, 3, 3, 2, 2, 2, 3, 3, 0, 3, 4, 2, 2, 
   0, 3, 3, 0, 0, 2, 0, 2, 1, 3, 4, 4, 4, 0, 0, 4, 3, 3, 4, 
   2, 4, 3, 3, 1, 3, 3, 3, 4, 3, 2, 4, 0, 3, 2, 1, 2, 3, 3, 
   1, 2, 2, 1, 3, 1, 1, 3, 1, 3, 1, 4, 2, 3, 0, 2, 4, 3, 1, 
   4, 2, 1, 4, 2, 3, 4, 0, 3, 1, 0, 1, 2, 1, 3, 3, 2, 3, 2, 
   1, 3, 3), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
 "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
 )), CDRS25 = structure(c(3, 4, 4, 2, 4, 0, 3, 3, 2, 3, 4, 
 4, 4, 0, 4, 2, 4, 3, 0, 4, 2, 4, 4, 3, 4, 2, 2, 0, 3, 3, 
 4, 3, 2, 3, 4, 3, 1, 3, 3, 3, 1, 3, 3, 3, 1, 0, 3, 4, 3, 
 3, 3, 3, 3, 2, 4, 3, 0, 0, 3, 4, 2, 2, 2, 1, 1, 1, 0, 3, 
 2, 4, 0, 2, 3, 1, 4, 4, 4, 3, 0, 1, 1, 1, 0, 0, 3, 4, 3, 
 3, 4, 3, 0, 1, 3, 4, 4, 3, 4, 1, 1, 3, 4, 4, 1, 2, 4, 3, 
 4, 4, 3, 3, 4, 2, 4, 2, 3, 2, 3, 2, 4, 3, 4, 3, 3, 4, 3, 
 2, 3, 2, 1, 1, 2, 2, 3, 1, 4, 4, 4, 4, 0, 4, 3, 3, 2, 4, 
 2, 4, 3, 3, 0, 3, 2, 3, 3, 4, 4, 4, 0, 3, 3, 1, 3, 3, 2, 
 0, 2, 0, 0, 3, 2, 4, 4, 2, 4, 2, 4, 4, 4, 0, 2, 4, 3, 1, 
 4, 2, 1, 4, 2, 4, 1, 3, 4, 3, 2, 2, 2, 2, 2, 3, 3, 3, 3, 
 1, 2, 2), format.spss = "F8.0", display_width = 2L, class = c("haven_labelled", 
  "vctrs_vctr", "double"), labels = c('Καθόλου αληθές' = 0, 
 'Σπάνια αληθές' = 1, 'Κάποιες φορές αληθές' = 2, 
 'Συχνά αληθές' = 3, 'Σχεδόν πάντα αληθές' = 4
  ))), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
   -204L)))

Τοποθετούμε τις περιγραφές κάθε μίας ερώτησεις με τον παρακάτω κώδικα:

library(Hmisc)

## 
## Attaching package: 'Hmisc'

## The following objects are masked from 'package:dplyr':
## 
##     src, summarize

## The following object is masked from 'package:psych':
## 
##     describe

## The following objects are masked from 'package:base':
## 
##     format.pval, units

label(CDRISC.data$CDRS1) = 'Μπορώ να προσαρμόζομαι στην αλλαγή '
label(CDRISC.data$CDRS2) = 'Έχω στενές και ασφαλείς σχέσεις '
label(CDRISC.data$CDRS3) = 'Μερικές φορές η μοίρα και ο Θεός μπορούν να βοηθήσουν '
label(CDRISC.data$CDRS4) = 'Μπορώ να τα βγάλω πέρα με ό,τι μου προκύπτει'
label(CDRISC.data$CDRS5) = 'Προηγούμενες επιτυχίες μου δίνουν αυτοπεποίθηση για καινούριες προκλήσεις '
label(CDRISC.data$CDRS6) = 'Βλέπω την εύθυμη πλευρά των πραγμάτων'
label(CDRISC.data$CDRS7) = 'Το να αντεπεξέρχομαι στο στρες μου δίνει δύναμη '
label(CDRISC.data$CDRS8) = 'Έχω την τάση να ανακάμπτω μετά από κάποια δοκιμασία ή ασθένεια '
label(CDRISC.data$CDRS9) = 'Τα πράγματα συμβαίνουν για κάποιο λόγο '
label(CDRISC.data$CDRS10) = 'Κάνω την καλύτερη δυνατή προσπάθεια, ότι και να γίνει '
label(CDRISC.data$CDRS11) = 'Μπορώ να επιτυγχάνω τους στόχους μου '
label(CDRISC.data$CDRS12) = 'Όταν τα πράγματα φαίνονται χωρίς ελπίδα, εγώ δεν παραιτούμαι '
label(CDRISC.data$CDRS13) = 'Ξέρω που να στραφώ για βοήθεια '
label(CDRISC.data$CDRS14) = 'Όταν βρίσκομαι κάτω από πίεση, συγκεντρώνομαι και σκέφτομαι καθαρά '
label(CDRISC.data$CDRS15) = 'Προτιμώ να παίρνω το προβάδισμα στην επίλυση προβλημάτων '
label(CDRISC.data$CDRS16) = 'Δεν αποθαρρύνομαι εύκολα από την αποτυχία '
label(CDRISC.data$CDRS17) = 'Με θεωρώ δυνατό άτομο '
label(CDRISC.data$CDRS18) = 'Μπορώ να παίρνω μη δημοφιλείς ή δύσκολες αποφάσεις '
label(CDRISC.data$CDRS19) = 'Μπορώ να χειρίζομαι δυσάρεστα συναισθήματα '
label(CDRISC.data$CDRS20) = 'Έχω ανάγκη να ακολουθώ τη διαίσθησή μου '
label(CDRISC.data$CDRS21) = 'Έχω ισχυρή αίσθηση σκοπού '
label(CDRISC.data$CDRS22) = 'Νιώθω ότι έχω τον έλεγχο της ζωής μου '
label(CDRISC.data$CDRS23) = 'Μου αρέσουν οι προκλήσεις '
label(CDRISC.data$CDRS24) = 'Εργάζομαι για να επιτυγχάνω τους στόχους μου'
label(CDRISC.data$CDRS25) = 'Καμαρώνω για τις επιτεύξεις μου '

3.2 Περιγραφή των αποκρίσεων

Αρχικά, αποκτούμε μία εικόνα των αποκρίσεων με την εντολή:

my_likert_scale_description(CDRISC.data[, 3:27])

	Item	Responses	0	1	2	3	4	M (SD)
1	Μπορώ να προσαρμόζομαι στην αλλαγή	204	27 (13.2%)	29 (14.2%)	44 (21.6%)	68 (33.3%)	36 (17.6%)	2.3 (1.3)
2	Έχω στενές και ασφαλείς σχέσεις	204	14 (6.9%)	34 (16.7%)	49 (24%)	62 (30.4%)	45 (22.1%)	2.4 (1.2)
3	Μερικές φορές η μοίρα και ο Θεός μπορούν να βοηθήσουν	204	9 (4.4%)	26 (12.7%)	38 (18.6%)	62 (30.4%)	69 (33.8%)	2.8 (1.2)
4	Μπορώ να τα βγάλω πέρα με ό,τι μου προκύπτει	204	13 (6.4%)	31 (15.2%)	69 (33.8%)	55 (27%)	36 (17.6%)	2.3 (1.1)
5	Προηγούμενες επιτυχίες μου δίνουν αυτοπεποίθηση για καινούριες προκλήσεις	204	20 (9.8%)	34 (16.7%)	50 (24.5%)	64 (31.4%)	36 (17.6%)	2.3 (1.2)
6	Βλέπω την εύθυμη πλευρά των πραγμάτων	204	23 (11.3%)	38 (18.6%)	70 (34.3%)	42 (20.6%)	31 (15.2%)	2.1 (1.2)
7	Το να αντεπεξέρχομαι στο στρες μου δίνει δύναμη	204	21 (10.3%)	38 (18.6%)	63 (30.9%)	55 (27%)	27 (13.2%)	2.1 (1.2)
8	Έχω την τάση να ανακάμπτω μετά από κάποια δοκιμασία ή ασθένεια	204	11 (5.4%)	31 (15.2%)	52 (25.5%)	81 (39.7%)	29 (14.2%)	2.4 (1.1)
9	Τα πράγματα συμβαίνουν για κάποιο λόγο	204	13 (6.4%)	18 (8.8%)	41 (20.1%)	74 (36.3%)	58 (28.4%)	2.7 (1.2)
10	Κάνω την καλύτερη δυνατή προσπάθεια, ότι και να γίνει	204	5 (2.5%)	19 (9.3%)	45 (22.1%)	86 (42.2%)	49 (24%)	2.8 (1.0)
11	Μπορώ να επιτυγχάνω τους στόχους μου	204	12 (5.9%)	30 (14.7%)	67 (32.8%)	60 (29.4%)	35 (17.2%)	2.4 (1.1)
12	Όταν τα πράγματα φαίνονται χωρίς ελπίδα, εγώ δεν παραιτούμαι	204	11 (5.4%)	32 (15.7%)	50 (24.5%)	79 (38.7%)	32 (15.7%)	2.4 (1.1)
13	Ξέρω που να στραφώ για βοήθεια	204	7 (3.4%)	20 (9.8%)	37 (18.1%)	82 (40.2%)	58 (28.4%)	2.8 (1.1)
14	Όταν βρίσκομαι κάτω από πίεση, συγκεντρώνομαι και σκέφτομαι καθαρά	204	19 (9.3%)	36 (17.6%)	70 (34.3%)	54 (26.5%)	25 (12.3%)	2.1 (1.1)
15	Προτιμώ να παίρνω το προβάδισμα στην επίλυση προβλημάτων	204	19 (9.3%)	30 (14.7%)	68 (33.3%)	66 (32.4%)	21 (10.3%)	2.2 (1.1)
16	Δεν αποθαρρύνομαι εύκολα από την αποτυχία	204	14 (6.9%)	34 (16.7%)	72 (35.3%)	64 (31.4%)	20 (9.8%)	2.2 (1.1)
17	Με θεωρώ δυνατό άτομο	204	12 (5.9%)	24 (11.8%)	48 (23.5%)	65 (31.9%)	55 (27%)	2.6 (1.2)
18	Μπορώ να παίρνω μη δημοφιλείς ή δύσκολες αποφάσεις	204	14 (6.9%)	30 (14.7%)	67 (32.8%)	64 (31.4%)	29 (14.2%)	2.3 (1.1)
19	Μπορώ να χειρίζομαι δυσάρεστα συναισθήματα	204	16 (7.8%)	31 (15.2%)	63 (30.9%)	68 (33.3%)	26 (12.7%)	2.3 (1.1)
20	Έχω ανάγκη να ακολουθώ τη διαίσθησή μου	204	12 (5.9%)	34 (16.7%)	55 (27%)	78 (38.2%)	25 (12.3%)	2.3 (1.1)
21	Έχω ισχυρή αίσθηση σκοπού	204	18 (8.8%)	28 (13.7%)	71 (34.8%)	54 (26.5%)	33 (16.2%)	2.3 (1.2)
22	Νιώθω ότι έχω τον έλεγχο της ζωής μου	204	18 (8.8%)	30 (14.7%)	62 (30.4%)	62 (30.4%)	32 (15.7%)	2.3 (1.2)
23	Μου αρέσουν οι προκλήσεις	204	38 (18.6%)	41 (20.1%)	69 (33.8%)	44 (21.6%)	12 (5.9%)	1.8 (1.2)
24	Εργάζομαι για να επιτυγχάνω τους στόχους μου	204	26 (12.7%)	29 (14.2%)	39 (19.1%)	69 (33.8%)	41 (20.1%)	2.3 (1.3)
25	Καμαρώνω για τις επιτεύξεις μου	204	20 (9.8%)	22 (10.8%)	40 (19.6%)	65 (31.9%)	57 (27.9%)	2.6 (1.3)

3.3 Ομοιότητα αποκρίσεων

Αξιοποιούμε τη συνάρτηση my_dendrogram.

my_dendro = my_dendrogram(CDRISC.data[, 3:27])

## 
## Attaching package: 'e1071'

## The following object is masked from 'package:Hmisc':
## 
##     impute

my_dendro$distMat

Variables

	Original Item
q1	CDRS1
q2	CDRS2
q3	CDRS3
q4	CDRS4
q5	CDRS5
q6	CDRS6
q7	CDRS7
q8	CDRS8
q9	CDRS9
q10	CDRS10
q11	CDRS11
q12	CDRS12
q13	CDRS13
q14	CDRS14
q15	CDRS15
q16	CDRS16
q17	CDRS17
q18	CDRS18
q19	CDRS19
q20	CDRS20
q21	CDRS21
q22	CDRS22
q23	CDRS23
q24	CDRS24
q25	CDRS25

Euclidean distance

	Cols
	q1	q2	q3	q4	q5	q6	q7	q8	q9	q10	q11	q12	q13	q14	q15	q16	q17	q18	q19	q20	q21	q22	q23	q24	q25
Rows
q1	0	19.1	23.4	18.4	19.1	19.5	18.7	18.2	21.5	18.7	19.9	19.6	22.2	19.9	19.8	18.8	20.2	19.3	18.5	18.9	19.4	19.6	20	18.4	19.6
q2	19.1	0	20	19.7	19.4	18.2	20.1	18.3	19.4	18.4	18.7	17.5	17	20.9	20.6	19.6	20.2	20.4	21	19.2	18.9	18.9	22.4	19.8	19.6
q3	23.4	20	0	21.1	21.1	23.2	21.5	19.9	14.9	18	21	20.8	18.8	22.6	21.6	21.7	21.8	22.7	22.5	20.7	21.5	22.4	26.3	23.4	22.1
q4	18.4	19.7	21.1	0	15.1	15.9	15.3	14.1	19.2	15.8	14.9	14.5	18.7	17.8	15.7	15.3	15.9	15	14.9	16.7	17.2	16	18.4	16.4	18.3
q5	19.1	19.4	21.1	15.1	0	15.9	14.6	14.6	19.3	17.9	15.6	16.7	20.2	18.3	17.7	17.1	17.7	16.7	18.1	16.4	15.7	16.2	19.3	17.3	16.8
q6	19.5	18.2	23.2	15.9	15.9	0	14.7	16.6	21.2	19.1	14.5	15.2	20.2	16.9	16.9	16.7	19.1	17.3	18.8	17.2	16.6	16	17.9	16.4	18.6
q7	18.7	20.1	21.5	15.3	14.6	14.7	0	13.3	19.7	16.2	16.3	16.3	20	16.3	15.8	14.7	17.9	16.7	16.1	15.8	15.8	16.3	18.9	16.5	18.6
q8	18.2	18.3	19.9	14.1	14.6	16.6	13.3	0	17.8	14.7	15.6	14.7	17.5	17.4	16.7	15	16.7	15.8	14.8	15.4	15.7	15.9	19.6	16.5	17.2
q9	21.5	19.4	14.9	19.2	19.3	21.2	19.7	17.8	0	16	19.8	19	17.3	21.4	20.1	20.2	19.3	20.4	20.3	18.6	19.9	21.8	24.4	21.4	19.8
q10	18.7	18.4	18	15.8	17.9	19.1	16.2	14.7	16	0	16.9	15.4	15.7	18.1	17.1	16.2	15.2	16.2	16.7	15.3	16.8	17.7	22.7	17.1	16.9
q11	19.9	18.7	21	14.9	15.6	14.5	16.3	15.6	19.8	16.9	0	14.3	16.2	17.4	15.7	14.8	16.5	15.1	16.9	15.6	15	14	17.8	14.8	17.7
q12	19.6	17.5	20.8	14.5	16.7	15.2	16.3	14.7	19	15.4	14.3	0	15.1	16.7	17.2	14.8	15.6	15.1	15.4	16.5	15.3	14.5	19.5	15.7	17.1
q13	22.2	17	18.8	18.7	20.2	20.2	20	17.5	17.3	15.7	16.2	15.1	0	19.8	18.8	18	17.6	18.5	19	19.1	18.2	17.9	23.7	19.6	19.9
q14	19.9	20.9	22.6	17.8	18.3	16.9	16.3	17.4	21.4	18.1	17.4	16.7	19.8	0	14.8	13.6	17.7	15.5	16.2	16.7	16.7	17.5	18.4	19.1	19.8
q15	19.8	20.6	21.6	15.7	17.7	16.9	15.8	16.7	20.1	17.1	15.7	17.2	18.8	14.8	0	13.1	16.8	13.6	15.4	15.4	15.4	16.6	16.9	17.2	18.3
q16	18.8	19.6	21.7	15.3	17.1	16.7	14.7	15	20.2	16.2	14.8	14.8	18	13.6	13.1	0	14.7	12.7	13	15.2	15.4	15.5	16.6	17.4	18.5
q17	20.2	20.2	21.8	15.9	17.7	19.1	17.9	16.7	19.3	15.2	16.5	15.6	17.6	17.7	16.8	14.7	0	12.8	16.5	15.5	17	17.1	21.1	16.6	15.9
q18	19.3	20.4	22.7	15	16.7	17.3	16.7	15.8	20.4	16.2	15.1	15.1	18.5	15.5	13.6	12.7	12.8	0	12.8	14	15	15.6	18.1	16.5	15.6
q19	18.5	21	22.5	14.9	18.1	18.8	16.1	14.8	20.3	16.7	16.9	15.4	19	16.2	15.4	13	16.5	12.8	0	14.9	15.7	16.6	17.9	16.9	17.5
q20	18.9	19.2	20.7	16.7	16.4	17.2	15.8	15.4	18.6	15.3	15.6	16.5	19.1	16.7	15.4	15.2	15.5	14	14.9	0	12.4	15.2	17.6	15	15.5
q21	19.4	18.9	21.5	17.2	15.7	16.6	15.8	15.7	19.9	16.8	15	15.3	18.2	16.7	15.4	15.4	17	15	15.7	12.4	0	13.9	16.2	14.8	14.7
q22	19.6	18.9	22.4	16	16.2	16	16.3	15.9	21.8	17.7	14	14.5	17.9	17.5	16.6	15.5	17.1	15.6	16.6	15.2	13.9	0	17.2	13.7	16.5
q23	20	22.4	26.3	18.4	19.3	17.9	18.9	19.6	24.4	22.7	17.8	19.5	23.7	18.4	16.9	16.6	21.1	18.1	17.9	17.6	16.2	17.2	0	17.4	20.3
q24	18.4	19.8	23.4	16.4	17.3	16.4	16.5	16.5	21.4	17.1	14.8	15.7	19.6	19.1	17.2	17.4	16.6	16.5	16.9	15	14.8	13.7	17.4	0	14.4
q25	19.6	19.6	22.1	18.3	16.8	18.6	18.6	17.2	19.8	16.9	17.7	17.1	19.9	19.8	18.3	18.5	15.9	15.6	17.5	15.5	14.7	16.5	20.3	14.4	0

3.4 Ανάλυση κυρίων συνιστωσών

Εφαρμόζουμε ανάλυση κυρίων συνιστωσών με περιστροφή varimax. Ακολουθεί ο σχολιασμός των αποτελεσμάτων.

my_PCA = my_PCA_analysis(CDRISC.data[, 3:27], rotate = 'varimax')

my_PCA$htmlTable

Variables

	Original Item
q1	CDRS1
q2	CDRS2
q3	CDRS3
q4	CDRS4
q5	CDRS5
q6	CDRS6
q7	CDRS7
q8	CDRS8
q9	CDRS9
q10	CDRS10
q11	CDRS11
q12	CDRS12
q13	CDRS13
q14	CDRS14
q15	CDRS15
q16	CDRS16
q17	CDRS17
q18	CDRS18
q19	CDRS19
q20	CDRS20
q21	CDRS21
q22	CDRS22
q23	CDRS23
q24	CDRS24
q25	CDRS25

Correlation Matrix

	q1	q2	q3	q4	q5	q6	q7	q8	q9	q10	q11	q12	q13	q14	q15	q16	q17	q18	q19	q20	q21	q22	q23	q24	q25
q1	1	0.426	0.188	0.435	0.427	0.407	0.438	0.432	0.303	0.449	0.325	0.344	0.232	0.341	0.333	0.377	0.37	0.36	0.415	0.38	0.381	0.368	0.433	0.499	0.443
q2	0.426	1	0.339	0.295	0.372	0.478	0.329	0.366	0.357	0.364	0.357	0.433	0.504	0.241	0.235	0.278	0.298	0.234	0.199	0.309	0.378	0.376	0.282	0.386	0.386
q3	0.188	0.339	1	0.24	0.311	0.218	0.32	0.281	0.599	0.333	0.23	0.217	0.309	0.203	0.244	0.198	0.154	0.099	0.141	0.243	0.247	0.181	0.124	0.182	0.213
q4	0.435	0.295	0.24	1	0.596	0.563	0.583	0.602	0.355	0.536	0.563	0.584	0.376	0.407	0.523	0.525	0.558	0.556	0.564	0.438	0.442	0.52	0.493	0.559	0.45
q5	0.427	0.372	0.311	0.596	1	0.589	0.645	0.617	0.41	0.459	0.563	0.5	0.33	0.415	0.441	0.456	0.494	0.496	0.412	0.507	0.569	0.547	0.462	0.536	0.579
q6	0.407	0.478	0.218	0.563	0.589	1	0.623	0.523	0.346	0.457	0.644	0.617	0.419	0.487	0.478	0.473	0.464	0.464	0.366	0.467	0.523	0.564	0.479	0.6	0.52
q7	0.438	0.329	0.32	0.583	0.645	0.623	1	0.691	0.417	0.623	0.522	0.528	0.396	0.512	0.528	0.58	0.512	0.483	0.523	0.536	0.551	0.531	0.411	0.581	0.495
q8	0.432	0.366	0.281	0.602	0.617	0.523	0.691	1	0.413	0.56	0.499	0.548	0.403	0.42	0.447	0.535	0.475	0.486	0.559	0.502	0.52	0.514	0.424	0.541	0.488
q9	0.303	0.357	0.599	0.355	0.41	0.346	0.417	0.413	1	0.464	0.294	0.331	0.411	0.265	0.329	0.283	0.324	0.26	0.284	0.375	0.343	0.194	0.246	0.302	0.356
q10	0.449	0.364	0.333	0.536	0.459	0.457	0.623	0.56	0.464	1	0.436	0.522	0.432	0.461	0.501	0.538	0.536	0.507	0.49	0.552	0.509	0.442	0.353	0.546	0.488
q11	0.325	0.357	0.23	0.563	0.563	0.644	0.522	0.499	0.294	0.436	1	0.587	0.534	0.426	0.515	0.55	0.511	0.541	0.43	0.498	0.574	0.629	0.541	0.64	0.477
q12	0.344	0.433	0.217	0.584	0.5	0.617	0.528	0.548	0.331	0.522	0.587	1	0.576	0.482	0.421	0.557	0.551	0.543	0.53	0.439	0.559	0.606	0.447	0.593	0.498
q13	0.232	0.504	0.309	0.376	0.33	0.419	0.396	0.403	0.411	0.432	0.534	0.576	1	0.383	0.418	0.449	0.403	0.385	0.367	0.308	0.453	0.469	0.325	0.409	0.313
q14	0.341	0.241	0.203	0.407	0.415	0.487	0.512	0.42	0.265	0.461	0.426	0.482	0.383	1	0.573	0.625	0.506	0.539	0.498	0.458	0.48	0.434	0.423	0.41	0.402
q15	0.333	0.235	0.244	0.523	0.441	0.478	0.528	0.447	0.329	0.501	0.515	0.421	0.418	0.573	1	0.638	0.533	0.629	0.528	0.522	0.548	0.48	0.528	0.512	0.473
q16	0.377	0.278	0.198	0.525	0.456	0.473	0.58	0.535	0.283	0.538	0.55	0.557	0.449	0.625	0.638	1	0.643	0.662	0.649	0.51	0.524	0.525	0.532	0.481	0.441
q17	0.37	0.298	0.154	0.558	0.494	0.464	0.512	0.475	0.324	0.536	0.511	0.551	0.403	0.506	0.533	0.643	1	0.727	0.532	0.564	0.518	0.513	0.466	0.585	0.587
q18	0.36	0.234	0.099	0.556	0.496	0.464	0.483	0.486	0.26	0.507	0.541	0.543	0.385	0.539	0.629	0.662	0.727	1	0.673	0.594	0.568	0.532	0.488	0.545	0.607
q19	0.415	0.199	0.141	0.564	0.412	0.366	0.523	0.559	0.284	0.49	0.43	0.53	0.367	0.498	0.528	0.649	0.532	0.673	1	0.544	0.531	0.473	0.495	0.527	0.506
q20	0.38	0.309	0.243	0.438	0.507	0.467	0.536	0.502	0.375	0.552	0.498	0.439	0.308	0.458	0.522	0.51	0.564	0.594	0.544	1	0.7	0.552	0.527	0.623	0.603
q21	0.381	0.378	0.247	0.442	0.569	0.523	0.551	0.52	0.343	0.509	0.574	0.559	0.453	0.48	0.548	0.524	0.518	0.568	0.531	0.7	1	0.644	0.616	0.647	0.671
q22	0.368	0.376	0.181	0.52	0.547	0.564	0.531	0.514	0.194	0.442	0.629	0.606	0.469	0.434	0.48	0.525	0.513	0.532	0.473	0.552	0.644	1	0.564	0.7	0.575
q23	0.433	0.282	0.124	0.493	0.462	0.479	0.411	0.424	0.246	0.353	0.541	0.447	0.325	0.423	0.528	0.532	0.466	0.488	0.495	0.527	0.616	0.564	1	0.624	0.538
q24	0.499	0.386	0.182	0.559	0.536	0.6	0.581	0.541	0.302	0.546	0.64	0.593	0.409	0.41	0.512	0.481	0.585	0.545	0.527	0.623	0.647	0.7	0.624	1	0.707
q25	0.443	0.386	0.213	0.45	0.579	0.52	0.495	0.488	0.356	0.488	0.477	0.498	0.313	0.402	0.473	0.441	0.587	0.607	0.506	0.603	0.671	0.575	0.538	0.707	1

Number of factors extracted

Total Variance Explained

	Eigenvalue	Percent of Variance	Cumulative Percent
1	12.294	49.2%	49.2%
2	1.682	6.7%	55.9%
3	1.208	4.8%	60.7%
4	1.058	4.2%	64.9%
5	0.926	3.7%	68.6%
6	0.816	3.3%	71.9%
7	0.711	2.8%	74.7%
8	0.637	2.5%	77.2%
9	0.603	2.4%	79.6%
10	0.518	2.1%	81.7%
11	0.459	1.8%	83.5%
12	0.448	1.8%	85.3%
13	0.397	1.6%	86.9%
14	0.393	1.6%	88.5%
15	0.374	1.5%	90%
16	0.356	1.4%	91.4%
17	0.315	1.3%	92.7%
18	0.293	1.2%	93.9%
19	0.275	1.1%	95%
20	0.265	1.1%	96.1%
21	0.228	0.9%	97%
22	0.216	0.9%	97.9%
23	0.199	0.8%	98.7%
24	0.175	0.7%	99.4%
25	0.154	0.6%	100%

Communalities

	communality
q1	0.476
q2	0.62
q3	0.687
q4	0.55
q5	0.608
q6	0.642
q7	0.633
q8	0.58
q9	0.728
q10	0.608
q11	0.676
q12	0.689
q13	0.755
q14	0.575
q15	0.621
q16	0.753
q17	0.624
q18	0.738
q19	0.657
q20	0.637
q21	0.654
q22	0.702
q23	0.576
q24	0.763
q25	0.691

Component Matrix

	PC1	PC2	PC3	PC4
q1	0.573	0.102	-0.115	-0.352
q2	0.509	0.468	-0.345	0.152
q3	0.355	0.702	0.247	-0.078
q4	0.739	-0.009	0.059	0.001
q5	0.734	0.131	-0.119	-0.196
q6	0.737	0.104	-0.269	0.122
q7	0.771	0.121	0.114	-0.101
q8	0.74	0.126	0.068	-0.106
q9	0.504	0.612	0.277	-0.148
q10	0.719	0.164	0.235	-0.091
q11	0.748	-0.028	-0.225	0.257
q12	0.753	0.034	-0.121	0.327
q13	0.597	0.282	-0.033	0.563
q14	0.657	-0.14	0.3	0.185
q15	0.716	-0.158	0.277	0.082
q16	0.757	-0.209	0.309	0.203
q17	0.747	-0.203	0.155	0.03
q18	0.76	-0.34	0.208	0.034
q19	0.713	-0.26	0.282	-0.049
q20	0.74	-0.105	0.024	-0.279
q21	0.783	-0.076	-0.156	-0.103
q22	0.754	-0.132	-0.325	0.103
q23	0.687	-0.23	-0.2	-0.105
q24	0.8	-0.105	-0.304	-0.14
q25	0.744	-0.082	-0.196	-0.306

Rotated Component Matrix

	RC1	RC3	RC4	RC2
q1	0.161	0.605	0.061	0.283
q2	-0.08	0.322	0.606	0.378
q3	0.048	0.046	0.157	0.811
q4	0.492	0.421	0.28	0.227
q5	0.276	0.606	0.253	0.318
q6	0.261	0.491	0.551	0.169
q7	0.469	0.458	0.226	0.39
q8	0.418	0.464	0.233	0.369
q9	0.183	0.177	0.131	0.804
q10	0.496	0.355	0.167	0.456
q11	0.38	0.413	0.599	0.048
q12	0.435	0.313	0.621	0.127
q13	0.335	-0.002	0.752	0.276
q14	0.688	0.159	0.236	0.145
q15	0.697	0.271	0.191	0.16
q16	0.789	0.214	0.268	0.115
q17	0.648	0.388	0.21	0.094
q18	0.751	0.386	0.159	0.001
q19	0.716	0.361	0.064	0.103
q20	0.456	0.623	0.066	0.192
q21	0.393	0.625	0.305	0.122
q22	0.336	0.573	0.509	-0.044
q23	0.374	0.611	0.245	-0.053
q24	0.316	0.735	0.347	0.053
q25	0.305	0.746	0.157	0.134

Component Transformation Matrix

	RC1	RC2	RC3	RC4
1	0.611	0.287	-0.608	0.419
2	-0.439	0.85	0.137	0.258
3	0.627	0.386	0.49	-0.467
4	0.204	-0.216	0.609	0.735

Εναλλακτικά, τα παραπάνω μπορούν να προκύψουν από την επόμενη σειρά εντολών.

PCA.data = CDRISC.data[, 3:27]
PCA.data = scale(PCA.data)
my.PCA = prcomp(PCA.data, center = TRUE, scale. = TRUE)
summary(my.PCA)

## Importance of components:
##                           PC1    PC2     PC3     PC4     PC5     PC6     PC7
## Standard deviation     3.5062 1.2971 1.09931 1.02845 0.96222 0.90334 0.84316
## Proportion of Variance 0.4918 0.0673 0.04834 0.04231 0.03703 0.03264 0.02844
## Cumulative Proportion  0.4918 0.5591 0.60739 0.64970 0.68673 0.71937 0.74781
##                            PC8     PC9    PC10    PC11    PC12    PC13    PC14
## Standard deviation     0.79812 0.77682 0.71951 0.67761 0.66929 0.63019 0.62706
## Proportion of Variance 0.02548 0.02414 0.02071 0.01837 0.01792 0.01589 0.01573
## Cumulative Proportion  0.77329 0.79743 0.81813 0.83650 0.85442 0.87030 0.88603
##                           PC15    PC16    PC17    PC18    PC19    PC20    PC21
## Standard deviation     0.61164 0.59646 0.56081 0.54143 0.52466 0.51513 0.47725
## Proportion of Variance 0.01496 0.01423 0.01258 0.01173 0.01101 0.01061 0.00911
## Cumulative Proportion  0.90100 0.91523 0.92781 0.93953 0.95054 0.96116 0.97027
##                           PC22    PC23    PC24    PC25
## Standard deviation     0.46455 0.44561 0.41800 0.39267
## Proportion of Variance 0.00863 0.00794 0.00699 0.00617
## Cumulative Proportion  0.97890 0.98684 0.99383 1.00000

eigs <- my.PCA$sdev^2
print(eigs)

##  [1] 12.2937302  1.6824785  1.2084749  1.0577172  0.9258748  0.8160233
##  [7]  0.7109190  0.6369882  0.6034461  0.5176942  0.4591546  0.4479478
## [13]  0.3971370  0.3932006  0.3741072  0.3557665  0.3145098  0.2931465
## [19]  0.2752684  0.2653577  0.2277668  0.2158094  0.1985702  0.1747249
## [25]  0.1541861

Παρατηρούμε πως οι πρώτες 4 συνιστώσες έχουν ιδιοτιμή μεγαλύτερη από το 1. Εμφανίζουμε τους αντίστοιχους συντελεστές και σχολιάζουμε τα αποτελέσματα.

rotation_matrix <- round(my.PCA$rotation, 3)
print(rotation_matrix[,1:4])

##           PC1    PC2    PC3    PC4
## CDRS1  -0.163  0.079  0.104 -0.342
## CDRS2  -0.145  0.361  0.314  0.147
## CDRS3  -0.101  0.542 -0.225 -0.076
## CDRS4  -0.211 -0.007 -0.054  0.001
## CDRS5  -0.209  0.101  0.108 -0.191
## CDRS6  -0.210  0.080  0.245  0.119
## CDRS7  -0.220  0.093 -0.104 -0.098
## CDRS8  -0.211  0.097 -0.062 -0.103
## CDRS9  -0.144  0.472 -0.252 -0.144
## CDRS10 -0.205  0.126 -0.214 -0.089
## CDRS11 -0.213 -0.022  0.205  0.249
## CDRS12 -0.215  0.026  0.110  0.318
## CDRS13 -0.170  0.217  0.030  0.548
## CDRS14 -0.187 -0.108 -0.272  0.180
## CDRS15 -0.204 -0.122 -0.252  0.080
## CDRS16 -0.216 -0.161 -0.281  0.197
## CDRS17 -0.213 -0.157 -0.141  0.029
## CDRS18 -0.217 -0.262 -0.189  0.033
## CDRS19 -0.203 -0.200 -0.256 -0.047
## CDRS20 -0.211 -0.081 -0.021 -0.271
## CDRS21 -0.223 -0.059  0.142 -0.100
## CDRS22 -0.215 -0.102  0.295  0.100
## CDRS23 -0.196 -0.177  0.182 -0.102
## CDRS24 -0.228 -0.081  0.276 -0.136
## CDRS25 -0.212 -0.064  0.178 -0.297

4 Αναγνώριση δομής στο ερωτηματολόγιο Trait Emotional Intelligence Questionnaire (TEIQue) (30 ερωτήσεις)

Πληροφορίες για την ελληνική μετάφραση του ερωτηματολογίου είναι διαθέσιμες εδώ (σελ. 88).

Μία σύντομη εκδοχή των δεδομένων παίρνουμε από το παρακάτω data frame

TEI.data = as.data.frame(structure(list(gender = structure(c(1, 1, 1, 1, 1, 2, 2, 1, 1, 
2, 1, 1, 1, 1, 1, 1, 1, 1, 3, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 2, 
1, 2, 1, 1, 1, 2, 1, 1, 2, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 
1, 2, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 1, 2, 2, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 2, 1, 
1, 1, 1, 1, 1, 2, 2, 1, 2, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 2, 1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 
1, 2, 2, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 2, 1, 2, 
1, 2), label = "Gender", format.spss = "F8.0", display_width = 7L, labels = c(Female = 1, 
Male = 2, Other = 3, `Do not like to respond` = 4), class = c("haven_labelled", 
"vctrs_vctr", "double")), age = structure(c(57, 54, 63, 55, 44, 
40, 57, 54, 53, 57, 54, 58, 52, 55, 46, 41, 57, 55, 51, 38, 55, 
56, 52, 59, 57, 55, 50, 59, 55, 60, 56, 53, 59, 55, 49, 56, 52, 
57, 43, 64, 57, 55, 53, 50, 53, 44, 51, 55, 55, 56, 52, 56, 52, 
38, 57, 49, 54, 52, 45, 54, 46, 49, 54, 45, 48, 47, 56, 52, 50, 
37, 51, 52, 60, 57, 53, 56, 54, 55, 58, 38, 56, 55, 64, 43, 49, 
55, 56, 54, 55, 42, 54, 56, 56, 55, 60, 56, 50, 40, 50, 51, 57, 
57, 54, 56, 58, 44, 57, 57, 60, 58, 61, 54, 57, 55, 45, 56, 57, 
55, 61, 58, 55, 41, 59, 47, 59, 55, 50, 42, 55, 59, 59, 54, 54, 
52, 50, 52, 55, 53, 57, 49, 49, 49, 60, 50, 46, 60, 54, 55, 57, 
50, 51, 56, 54, 58, 51, 53, 49, 53, 55, 50, 40, 51, 50, 46, 53, 
51, 58, 46, 54, 58, 43, 54, 50, 55, 55, 50, 56, 49, 45, 57, 55, 
48, 52, 56, 59, 57, 58, 52, 51, 61, 55, 55, 50, 62, 55, 53, 47, 
52, 57, 56), label = "Age", format.spss = "F9.0", display_width = 4L), 
    tei.q1 = structure(c(7, 7, 7, 5, 2, 6, 4, 6, 6, 6, 3, 5, 
    5, 6, 7, 6, 3, 5, 2, 5, 5, 7, 5, 6, 2, 6, 6, 7, 2, 5, 6, 
    4, 6, 6, 4, 7, 6, 4, 5, 6, 3, 6, 6, 2, 5, 6, 5, 7, 3, 6, 
    5, 2, 5, 7, 7, 7, 5, 7, 6, 6, 5, 5, 7, 4, 4, 7, 5, 7, 4, 
    3, 7, 6, 2, 7, 7, 7, 6, 7, 7, 6, 5, 5, 5, 6, 5, 5, 7, 6, 
    6, 6, 7, 6, 3, 6, 5, 6, 1, 5, 3, 6, 4, 6, 7, 4, 6, 5, 5, 
    6, 7, 7, 6, 6, 6, 4, 7, 6, 5, 6, 4, 6, 7, 5, 1, 7, 7, 4, 
    3, 3, 4, 4, 7, 7, 6, 6, 6, 6, 6, 6, 7, 7, 6, 6, 6, 5, 6, 
    7, 7, 7, 2, 6, 2, 7, 6, 7, 6, 6, 7, 6, 7, 7, 7, 6, 5, 5, 
    7, 5, 6, 6, 5, 5, 5, 6, 5, 4, 7, 4, 7, 6, 4, 5, 7, 3, 6, 
    7, 7, 6, 6, 7, 7, 6, 7, 7, 5, 6, 3, 6, 7, 6, 3, 6), format.spss = "F8.0"), 
    tei.q2 = structure(c(2, 7, 6, 2, 5, 2, 4, 4, 2, 4, 1, 5, 
    2, 6, 5, 6, 1, 5, 2, 5, 3, 2, 2, 4, 2, 1, 2, 7, 3, 5, 3, 
    5, 5, 2, 4, 2, 5, 5, 3, 2, 4, 2, 3, 2, 4, 2, 3, 5, 2, 4, 
    3, 4, 4, 5, 3, 1, 3, 1, 5, 2, 2, 5, 3, 3, 5, 2, 1, 2, 2, 
    3, 1, 1, 3, 1, 4, 5, 1, 1, 1, 2, 2, 2, 3, 1, 2, 5, 2, 2, 
    5, 4, 1, 2, 2, 2, 3, 4, 1, 2, 1, 2, 2, 5, 3, 2, 2, 4, 4, 
    2, 1, 1, 1, 2, 2, 1, 2, 1, 2, 3, 3, 4, 5, 1, 3, 6, 5, 2, 
    3, 2, 3, 5, 5, 1, 1, 2, 1, 2, 2, 5, 2, 6, 2, 2, 5, 3, 2, 
    4, 3, 2, 3, 2, 3, 3, 3, 4, 2, 5, 2, 2, 1, 5, 2, 2, 6, 2, 
    1, 5, 3, 2, 5, 1, 2, 1, 3, 2, 1, 4, 4, 2, 3, 2, 1, 2, 2, 
    2, 2, 3, 2, 5, 1, 4, 1, 2, 1, 2, 4, 2, 1, 2, 2, 3), format.spss = "F8.0"), 
    tei.q3 = structure(c(4, 1, 6, 6, 7, 5, 4, 6, 5, 5, 4, 5, 
    5, 5, 7, 7, 7, 6, 6, 5, 6, 7, 4, 6, 6, 6, 6, 5, 6, 6, 6, 
    5, 4, 6, 5, 6, 5, 5, 6, 6, 4, 5, 4, 3, 5, 6, 2, 4, 4, 3, 
    5, 4, 4, 7, 7, 7, 6, 7, 7, 6, 6, 7, 7, 5, 6, 7, 7, 6, 6, 
    5, 7, 6, 6, 7, 7, 6, 7, 7, 7, 7, 6, 5, 6, 6, 4, 3, 6, 6, 
    6, 7, 6, 6, 5, 5, 4, 6, 1, 3, 7, 6, 7, 4, 6, 4, 6, 6, 5, 
    7, 7, 7, 7, 6, 7, 6, 7, 7, 7, 6, 5, 6, 7, 6, 7, 6, 6, 5, 
    4, 4, 5, 5, 7, 7, 6, 6, 7, 6, 6, 6, 6, 7, 6, 7, 6, 6, 6, 
    5, 7, 7, 6, 6, 6, 5, 7, 6, 6, 6, 7, 6, 6, 6, 6, 5, 7, 6, 
    6, 5, 5, 6, 6, 4, 6, 4, 5, 4, 7, 6, 6, 5, 4, 5, 7, 5, 7, 
    6, 6, 6, 6, 7, 6, 6, 7, 7, 3, 5, 5, 6, 7, 6, 5, 6), format.spss = "F8.0"), 
    tei.q4 = structure(c(7, 1, 7, 3, 5, 2, 4, 2, 3, 2, 5, 4, 
    5, 2, 2, 5, 2, 1, 2, 3, 2, 5, 5, 1, 3, 2, 2, 2, 2, 2, 2, 
    2, 2, 4, 2, 2, 6, 4, 4, 2, 5, 3, 2, 2, 3, 5, 6, 6, 4, 2, 
    5, 2, 4, 1, 6, 7, 1, 1, 2, 2, 3, 5, 4, 4, 3, 6, 2, 2, 2, 
    4, 3, 2, 2, 1, 7, 7, 2, 2, 1, 3, 3, 2, 2, 3, 2, 4, 2, 2, 
    5, 3, 7, 6, 6, 5, 2, 2, 2, 4, 2, 3, 6, 2, 1, 6, 2, 4, 6, 
    3, 1, 4, 3, 2, 2, 3, 1, 6, 1, 2, 3, 3, 5, 4, 2, 1, 2, 2, 
    2, 5, 4, 4, 5, 1, 6, 2, 6, 6, 3, 2, 1, 5, 2, 5, 5, 2, 5, 
    1, 1, 4, 2, 2, 2, 7, 5, 2, 2, 5, 2, 2, 5, 2, 7, 5, 4, 3, 
    5, 5, 4, 2, 2, 3, 2, 6, 3, 6, 5, 6, 3, 5, 3, 2, 1, 3, 2, 
    1, 1, 1, 2, 3, 1, 6, 4, 1, 4, 2, 6, 1, 5, 1, 2, 6), format.spss = "F8.0"), 
    tei.q5 = structure(c(2, 1, 1, 2, 4, 3, 4, 1, 2, 2, 2, 2, 
    3, 5, 6, 2, 1, 5, 6, 6, 6, 1, 3, 3, 2, 1, 2, 2, 2, 2, 2, 
    2, 1, 1, 1, 2, 2, 3, 2, 2, 2, 2, 4, 3, 2, 1, 5, 1, 4, 3, 
    2, 2, 3, 7, 4, 1, 2, 1, 2, 1, 1, 5, 4, 5, 1, 2, 1, 2, 2, 
    2, 1, 1, 1, 1, 2, 2, 6, 2, 1, 1, 4, 2, 2, 3, 2, 6, 2, 4, 
    1, 1, 1, 2, 2, 3, 2, 1, 1, 2, 1, 1, 2, 2, 2, 6, 1, 2, 5, 
    2, 1, 1, 1, 2, 1, 3, 1, 5, 1, 2, 2, 4, 5, 2, 2, 1, 4, 1, 
    4, 1, 3, 4, 1, 1, 5, 1, 1, 2, 3, 6, 3, 1, 2, 2, 2, 2, 5, 
    1, 1, 2, 3, 2, 3, 3, 2, 2, 2, 2, 1, 2, 1, 1, 2, 5, 2, 2, 
    1, 3, 2, 3, 4, 3, 2, 2, 2, 3, 1, 3, 5, 1, 3, 2, 3, 3, 1, 
    1, 1, 6, 2, 4, 6, 5, 1, 2, 7, 2, 3, 2, 2, 2, 2, 1), format.spss = "F8.0"), 
    tei.q6 = structure(c(4, 1, 7, 6, 1, 6, 4, 6, 4, 4, 4, 5, 
    5, 5, 5, 6, 6, 4, 5, 6, 4, 1, 1, 4, 5, 5, 4, 4, 4, 5, 2, 
    6, 1, 5, 4, 4, 2, 3, 6, 5, 1, 1, 2, 4, 3, 5, 4, 4, 4, 3, 
    5, 2, 5, 7, 4, 5, 6, 7, 6, 4, 2, 5, 5, 4, 3, 6, 5, 2, 3, 
    3, 5, 5, 5, 7, 7, 7, 4, 6, 7, 6, 2, 6, 6, 5, 3, 3, 5, 6, 
    5, 1, 1, 3, 2, 4, 4, 2, 1, 3, 6, 5, 5, 4, 4, 4, 5, 4, 5, 
    6, 7, 6, 6, 3, 1, 5, 2, 4, 4, 4, 6, 2, 7, 6, 6, 3, 4, 4, 
    4, 4, 4, 3, 7, 7, 2, 6, 6, 6, 5, 5, 5, 6, 4, 5, 6, 5, 6, 
    6, 6, 7, 3, 6, 3, 6, 6, 5, 4, 6, 6, 5, 4, 6, 3, 2, 5, 6, 
    3, 3, 5, 6, 4, 3, 2, 5, 5, 5, 5, 4, 5, 5, 3, 5, 6, 5, 3, 
    5, 2, 6, 4, 6, 5, 4, 6, 6, 2, 3, 4, 6, 7, 6, 5, 6), format.spss = "F8.0"), 
    tei.q7 = structure(c(1, 1, 7, 3, 1, 2, 1, 2, 3, 2, 2, 2, 
    2, 1, 1, 5, 1, 1, 3, 1, 1, 3, 2, 1, 1, 1, 4, 2, 2, 2, 3, 
    2, 2, 1, 2, 4, 4, 2, 2, 2, 4, 4, 2, 2, 4, 2, 2, 3, 4, 1, 
    6, 4, 2, 4, 1, 1, 2, 1, 2, 1, 2, 2, 2, 4, 3, 2, 4, 2, 4, 
    3, 1, 1, 2, 1, 7, 7, 5, 2, 1, 3, 3, 2, 4, 1, 3, 2, 2, 3, 
    2, 1, 1, 6, 6, 1, 2, 1, 2, 5, 2, 2, 2, 2, 1, 2, 2, 2, 3, 
    2, 1, 3, 2, 2, 1, 2, 1, 6, 1, 2, 2, 4, 5, 2, 2, 2, 2, 1, 
    3, 3, 3, 5, 3, 1, 3, 2, 1, 4, 2, 2, 1, 1, 2, 2, 1, 1, 6, 
    1, 2, 1, 4, 1, 4, 2, 2, 1, 2, 1, 2, 2, 2, 2, 4, 2, 2, 2, 
    1, 3, 2, 2, 2, 2, 3, 2, 2, 4, 2, 2, 1, 4, 2, 3, 1, 6, 1, 
    2, 5, 1, 1, 4, 1, 3, 1, 1, 5, 2, 4, 2, 5, 1, 3, 2), format.spss = "F8.0"), 
    tei.q8 = structure(c(1, 1, 5, 1, 1, 2, 4, 2, 2, 1, 2, 2, 
    1, 1, 1, 1, 1, 2, 2, 4, 1, 1, 5, 2, 1, 1, 2, 2, 2, 1, 1, 
    3, 1, 1, 2, 2, 2, 3, 2, 2, 1, 1, 2, 3, 3, 1, 2, 2, 3, 4, 
    5, 4, 2, 1, 1, 1, 2, 1, 1, 1, 1, 3, 1, 3, 2, 2, 1, 2, 2, 
    2, 1, 1, 1, 1, 2, 4, 2, 1, 1, 2, 2, 1, 3, 1, 3, 3, 1, 2, 
    6, 1, 6, 2, 1, 1, 2, 4, 1, 4, 1, 1, 1, 2, 2, 2, 2, 2, 2, 
    2, 1, 2, 1, 2, 2, 1, 1, 1, 1, 1, 2, 2, 5, 2, 3, 2, 4, 1, 
    5, 2, 2, 4, 1, 1, 1, 2, 1, 5, 1, 2, 1, 2, 2, 2, 2, 1, 2, 
    1, 2, 1, 3, 1, 3, 2, 2, 1, 2, 2, 2, 2, 1, 1, 1, 2, 4, 2, 
    2, 2, 2, 3, 5, 4, 1, 2, 4, 3, 1, 3, 1, 1, 3, 2, 1, 4, 1, 
    2, 2, 6, 1, 7, 1, 3, 1, 7, 1, 2, 5, 2, 1, 1, 3, 6), format.spss = "F8.0"), 
    tei.q9 = structure(c(7, 6, 7, 7, 4, 4, 2, 6, 5, 5, 6, 4, 
    5, 4, 6, 6, 4, 5, 3, 4, 4, 6, 5, 5, 5, 6, 6, 5, 5, 6, 5, 
    5, 4, 5, 3, 6, 5, 5, 5, 5, 5, 6, 5, 3, 4, 6, 4, 5, 4, 2, 
    4, 4, 6, 6, 4, 6, 4, 7, 6, 5, 6, 6, 4, 5, 5, 6, 5, 6, 7, 
    3, 7, 4, 5, 7, 6, 5, 6, 6, 6, 5, 6, 5, 4, 6, 4, 5, 6, 5, 
    6, 4, 6, 6, 5, 5, 2, 6, 1, 2, 6, 5, 6, 3, 7, 3, 4, 5, 2, 
    6, 7, 6, 6, 6, 6, 6, 6, 6, 6, 5, 5, 6, 7, 6, 4, 6, 6, 4, 
    5, 4, 5, 4, 7, 6, 5, 4, 7, 5, 4, 5, 5, 7, 4, 6, 6, 5, 6, 
    6, 4, 7, 5, 5, 5, 5, 5, 3, 6, 6, 6, 6, 4, 6, 5, 6, 6, 5, 
    7, 5, 4, 5, 4, 5, 4, 2, 4, 4, 4, 5, 4, 5, 3, 4, 3, 5, 6, 
    4, 6, 6, 4, 5, 7, 4, 7, 7, 7, 4, 4, 5, 5, 7, 5, 4), format.spss = "F8.0"), 
    tei.q10 = structure(c(4, 7, 6, 2, 1, 1, 4, 3, 2, 2, 5, 2, 
    5, 6, 1, 2, 1, 3, 2, 3, 2, 5, 5, 6, 5, 6, 2, 2, 5, 2, 2, 
    6, 1, 5, 3, 2, 5, 4, 3, 5, 3, 2, 5, 2, 4, 5, 4, 2, 4, 5, 
    6, 6, 3, 5, 1, 7, 2, 3, 1, 1, 3, 3, 5, 4, 1, 1, 4, 2, 2, 
    3, 5, 2, 2, 1, 2, 6, 3, 1, 1, 2, 2, 6, 4, 3, 2, 4, 2, 4, 
    2, 3, 7, 2, 6, 2, 2, 4, 1, 3, 6, 5, 2, 4, 1, 5, 5, 2, 4, 
    2, 1, 1, 4, 2, 1, 2, 2, 1, 2, 6, 3, 3, 4, 5, 1, 2, 4, 2, 
    4, 3, 3, 5, 1, 2, 3, 2, 1, 2, 5, 4, 3, 1, 2, 2, 5, 2, 2, 
    1, 2, 2, 3, 2, 3, 2, 6, 1, 2, 5, 2, 2, 2, 1, 5, 4, 6, 3, 
    6, 3, 2, 4, 4, 5, 1, 6, 4, 4, 2, 6, 2, 2, 3, 2, 1, 6, 2, 
    3, 3, 1, 5, 6, 1, 6, 1, 6, 7, 2, 4, 3, 6, 2, 5, 2), format.spss = "F8.0"), 
    tei.q11 = structure(c(6, 1, 7, 6, 1, 5, 4, 6, 5, 4, 4, 2, 
    4, 6, 6, 6, 3, 4, 2, 4, 4, 2, 3, 6, 5, 4, 5, 7, 2, 4, 4, 
    6, 5, 5, 4, 5, 4, 4, 6, 3, 3, 4, 2, 2, 3, 4, 4, 5, 4, 4, 
    3, 4, 2, 6, 4, 6, 5, 7, 6, 5, 4, 3, 5, 3, 6, 6, 6, 6, 3, 
    4, 5, 5, 5, 7, 5, 6, 5, 6, 6, 6, 6, 5, 5, 6, 6, 2, 6, 6, 
    5, 4, 3, 6, 5, 4, 4, 2, 1, 4, 3, 5, 5, 3, 4, 5, 4, 4, 4, 
    6, 7, 5, 5, 3, 6, 6, 2, 5, 6, 1, 5, 3, 7, 6, 6, 5, 3, 4, 
    4, 5, 4, 4, 5, 6, 3, 6, 6, 5, 4, 5, 3, 6, 4, 4, 6, 5, 4, 
    6, 5, 6, 4, 5, 4, 6, 5, 6, 6, 6, 6, 4, 6, 5, 5, 5, 6, 6, 
    4, 4, 2, 4, 5, 5, 4, 4, 3, 6, 5, 5, 2, 6, 3, 5, 3, 4, 6, 
    4, 5, 5, 5, 6, 4, 5, 4, 4, 6, 2, 5, 4, 5, 3, 5, 6), format.spss = "F8.0"), 
    tei.q12 = structure(c(1, 4, 1, 1, 4, 2, 5, 1, 5, 4, 3, 2, 
    1, 1, 4, 2, 1, 4, 1, 3, 1, 1, 4, 1, 1, 1, 2, 1, 2, 2, 2, 
    2, 1, 1, 2, 2, 2, 3, 2, 3, 1, 4, 5, 1, 5, 4, 6, 1, 4, 1, 
    4, 1, 5, 7, 3, 6, 6, 1, 1, 1, 1, 5, 2, 4, 2, 1, 1, 1, 2, 
    2, 1, 2, 1, 1, 4, 4, 1, 6, 1, 2, 2, 1, 2, 2, 1, 1, 3, 2, 
    1, 1, 6, 2, 2, 2, 2, 2, 7, 3, 1, 1, 2, 2, 5, 2, 1, 2, 3, 
    1, 1, 1, 2, 4, 1, 2, 1, 1, 1, 7, 3, 1, 3, 3, 2, 1, 4, 1, 
    3, 1, 3, 4, 1, 2, 1, 1, 1, 2, 3, 1, 1, 1, 2, 1, 1, 6, 2, 
    7, 1, 1, 4, 1, 4, 2, 2, 1, 2, 1, 2, 2, 1, 1, 2, 2, 2, 2, 
    1, 5, 1, 3, 2, 3, 1, 2, 2, 3, 1, 2, 4, 1, 2, 6, 3, 3, 1, 
    1, 2, 1, 6, 7, 1, 5, 1, 2, 7, 2, 2, 2, 1, 1, 2, 2), format.spss = "F8.0"), 
    tei.q13 = structure(c(1, 1, 1, 1, 6, 1, 2, 1, 1, 2, 3, 2, 
    2, 2, 2, 5, 2, 1, 2, 1, 1, 2, 4, 1, 2, 3, 2, 1, 2, 1, 3, 
    1, 1, 1, 4, 2, 2, 5, 2, 2, 1, 2, 2, 2, 2, 2, 2, 2, 3, 1, 
    2, 2, 2, 1, 4, 1, 4, 7, 4, 1, 1, 3, 1, 4, 2, 1, 1, 1, 1, 
    2, 1, 1, 1, 1, 2, 2, 1, 2, 1, 2, 1, 2, 5, 1, 2, 1, 2, 1, 
    1, 1, 1, 2, 2, 2, 2, 2, 3, 1, 5, 2, 5, 1, 2, 4, 2, 2, 2, 
    1, 1, 1, 1, 2, 2, 1, 1, 1, 2, 2, 5, 2, 1, 4, 5, 2, 2, 2, 
    3, 1, 3, 4, 1, 7, 1, 1, 1, 1, 4, 1, 1, 1, 2, 2, 4, 4, 5, 
    1, 2, 1, 2, 1, 2, 2, 2, 1, 2, 4, 2, 2, 1, 3, 2, 1, 2, 2, 
    1, 2, 1, 1, 4, 2, 1, 2, 2, 2, 1, 2, 6, 1, 2, 2, 1, 1, 1, 
    1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 2, 3, 1, 5, 1, 2, 1), format.spss = "F8.0"), 
    tei.q14 = structure(c(3, 1, 1, 1, 1, 2, 4, 1, 1, 4, 4, 2, 
    2, 2, 1, 2, 1, 2, 2, 3, 1, 2, 3, 1, 2, 1, 2, 2, 2, 3, 2, 
    5, 2, 1, 5, 2, 2, 2, 2, 3, 5, 1, 2, 2, 2, 2, 2, 2, 4, 2, 
    4, 2, 2, 3, 3, 1, 3, 1, 1, 2, 2, 2, 2, 5, 2, 2, 2, 4, 2, 
    3, 1, 1, 2, 1, 2, 5, 1, 1, 2, 2, 4, 1, 1, 1, 1, 1, 2, 2, 
    1, 1, 1, 2, 1, 2, 2, 4, 1, 1, 2, 2, 5, 2, 5, 2, 2, 2, 2, 
    1, 1, 2, 2, 2, 2, 1, 1, 1, 2, 2, 3, 2, 5, 3, 1, 2, 4, 4, 
    3, 2, 3, 3, 1, 1, 1, 3, 1, 1, 3, 1, 1, 2, 2, 2, 5, 3, 6, 
    1, 1, 1, 4, 1, 4, 2, 2, 1, 2, 5, 2, 2, 1, 2, 2, 4, 3, 2, 
    1, 2, 1, 1, 5, 2, 1, 2, 2, 5, 1, 3, 2, 2, 2, 2, 1, 1, 1, 
    2, 2, 2, 1, 4, 1, 2, 1, 1, 3, 2, 4, 2, 1, 4, 2, 1), format.spss = "F8.0"), 
    tei.q15 = structure(c(7, 4, 7, 7, 7, 6, 4, 2, 5, 5, 4, 2, 
    5, 5, 6, 6, 6, 6, 5, 3, 6, 5, 4, 6, 4, 4, 5, 5, 6, 6, 5, 
    4, 3, 6, 5, 5, 2, 4, 5, 6, 6, 3, 4, 2, 4, 6, 4, 4, 4, 4, 
    2, 5, 3, 5, 6, 6, 5, 6, 6, 6, 5, 4, 6, 4, 6, 6, 5, 4, 4, 
    4, 6, 5, 6, 7, 6, 5, 6, 7, 7, 5, 7, 4, 6, 6, 6, 6, 5, 5, 
    5, 6, 7, 6, 6, 4, 6, 5, 1, 4, 6, 6, 6, 5, 5, 5, 5, 6, 5, 
    6, 7, 6, 5, 6, 6, 6, 6, 3, 6, 5, 4, 6, 6, 6, 3, 3, 4, 6, 
    4, 6, 5, 4, 7, 7, 7, 5, 6, 3, 5, 6, 2, 5, 4, 5, 6, 6, 5, 
    7, 6, 6, 4, 6, 4, 5, 6, 5, 6, 6, 6, 6, 3, 6, 5, 5, 6, 2, 
    6, 4, 6, 5, 5, 5, 5, 2, 5, 3, 7, 5, 6, 5, 3, 5, 6, 4, 7, 
    6, 7, 7, 6, 3, 5, 3, 6, 6, 4, 5, 3, 6, 5, 6, 5, 2), format.spss = "F8.0"), 
    tei.q16 = structure(c(1, 7, 1, 1, 1, 1, 2, 1, 1, 5, 1, 2, 
    1, 3, 1, 4, 1, 1, 2, 1, 1, 2, 3, 1, 1, 1, 1, 1, 1, 2, 2, 
    3, 7, 1, 2, 2, 1, 3, 2, 2, 1, 2, 2, 2, 2, 1, 4, 1, 4, 2, 
    2, 4, 5, 2, 1, 1, 2, 1, 1, 1, 1, 3, 2, 3, 2, 1, 1, 1, 2, 
    2, 1, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 1, 4, 1, 5, 2, 1, 1, 
    2, 1, 1, 2, 2, 2, 2, 1, 2, 4, 2, 2, 1, 1, 1, 2, 6, 3, 2, 
    1, 1, 1, 1, 2, 4, 1, 1, 1, 1, 1, 6, 3, 2, 5, 1, 1, 4, 2, 
    2, 1, 3, 4, 1, 2, 2, 1, 1, 1, 2, 1, 1, 1, 2, 3, 5, 2, 2, 
    1, 1, 2, 3, 1, 3, 2, 2, 2, 2, 3, 2, 2, 1, 2, 1, 1, 2, 5, 
    1, 3, 6, 2, 2, 1, 2, 2, 2, 2, 1, 5, 1, 1, 3, 2, 1, 1, 1, 
    1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 2, 2, 1, 7, 5, 3, 5), format.spss = "F8.0"), 
    tei.q17 = structure(c(7, 7, 7, 7, 7, 7, 6, 4, 5, 3, 7, 6, 
    5, 7, 7, 3, 7, 7, 5, 6, 4, 7, 6, 6, 7, 7, 6, 5, 2, 6, 5, 
    4, 7, 6, 4, 6, 6, 5, 6, 6, 5, 6, 5, 5, 2, 6, 4, 6, 4, 5, 
    5, 4, 4, 5, 6, 7, 6, 7, 7, 7, 6, 5, 2, 6, 6, 6, 7, 6, 6, 
    6, 7, 6, 6, 7, 6, 6, 7, 7, 6, 6, 7, 6, 4, 7, 7, 6, 6, 7, 
    6, 5, 7, 6, 6, 5, 6, 6, 1, 2, 6, 6, 7, 6, 6, 6, 6, 6, 7, 
    2, 7, 7, 6, 6, 6, 7, 6, 7, 5, 6, 6, 6, 7, 6, 7, 6, 5, 6, 
    4, 6, 5, 5, 7, 6, 1, 6, 7, 7, 6, 6, 7, 7, 2, 6, 5, 5, 2, 
    6, 6, 6, 6, 6, 6, 6, 6, 5, 6, 6, 6, 6, 6, 6, 5, 6, 6, 5, 
    7, 5, 4, 6, 5, 6, 6, 6, 6, 5, 6, 5, 3, 6, 3, 5, 7, 4, 6, 
    6, 7, 6, 6, 5, 6, 6, 7, 6, 7, 6, 6, 5, 7, 6, 6, 5), format.spss = "F8.0"), 
    tei.q18 = structure(c(1, 4, 1, 2, 1, 2, 3, 2, 1, 4, 2, 2, 
    5, 1, 1, 1, 1, 4, 1, 2, 1, 5, 5, 2, 1, 4, 1, 2, 2, 1, 3, 
    2, 7, 1, 2, 1, 2, 5, 2, 2, 4, 2, 5, 4, 5, 1, 4, 1, 4, 6, 
    5, 2, 4, 4, 1, 1, 1, 1, 1, 1, 2, 2, 1, 4, 2, 7, 1, 3, 2, 
    2, 1, 1, 2, 1, 2, 3, 1, 1, 1, 2, 2, 1, 2, 4, 1, 6, 2, 2, 
    1, 1, 1, 2, 3, 3, 2, 1, 2, 3, 4, 1, 2, 2, 2, 4, 2, 1, 4, 
    1, 1, 1, 3, 2, 1, 1, 2, 2, 1, 1, 6, 3, 2, 5, 2, 1, 4, 4, 
    4, 2, 3, 4, 1, 2, 5, 1, 1, 2, 3, 2, 1, 1, 2, 2, 6, 2, 4, 
    1, 1, 1, 1, 1, 1, 3, 2, 1, 2, 2, 2, 2, 2, 2, 2, 1, 3, 4, 
    1, 3, 4, 4, 5, 4, 1, 5, 3, 2, 1, 5, 6, 2, 2, 2, 1, 4, 1, 
    1, 2, 1, 1, 2, 3, 4, 1, 1, 7, 2, 3, 1, 5, 2, 2, 2), format.spss = "F8.0"), 
    tei.q19 = structure(c(7, 4, 1, 7, 7, 6, 5, 4, 5, 6, 2, 6, 
    5, 6, 7, 5, 6, 6, 6, 6, 6, 6, 5, 6, 5, 4, 6, 5, 6, 6, 6, 
    6, 6, 6, 5, 6, 5, 4, 5, 5, 4, 5, 5, 5, 5, 6, 4, 5, 4, 4, 
    4, 6, 4, 6, 6, 7, 5, 7, 7, 6, 6, 4, 6, 4, 6, 6, 6, 3, 6, 
    6, 6, 6, 6, 7, 6, 5, 6, 7, 7, 6, 6, 6, 6, 6, 6, 6, 6, 6, 
    4, 5, 3, 6, 4, 4, 6, 6, 1, 3, 6, 4, 5, 4, 5, 3, 6, 4, 6, 
    6, 7, 6, 6, 6, 7, 6, 6, 5, 6, 4, 6, 6, 6, 4, 6, 4, 4, 6, 
    5, 6, 4, 5, 7, 6, 1, 5, 4, 6, 6, 6, 7, 5, 6, 6, 7, 6, 6, 
    6, 6, 7, 3, 6, 3, 2, 6, 6, 6, 5, 6, 6, 4, 6, 6, 5, 3, 5, 
    6, 5, 4, 5, 5, 5, 5, 5, 5, 5, 4, 6, 6, 4, 3, 5, 7, 5, 6, 
    7, 5, 7, 6, 6, 6, 3, 6, 5, 4, 5, 4, 7, 7, 6, 6, 3), format.spss = "F8.0"), 
    tei.q20 = structure(c(7, 7, 7, 7, 4, 7, 5, 7, 6, 4, 6, 5, 
    6, 7, 7, 5, 7, 6, 7, 6, 6, 6, 5, 6, 6, 2, 6, 5, 7, 6, 6, 
    6, 6, 6, 5, 6, 6, 5, 6, 6, 5, 6, 5, 6, 5, 6, 3, 6, 4, 6, 
    3, 6, 3, 6, 6, 6, 6, 7, 6, 7, 6, 4, 6, 4, 6, 7, 6, 6, 6, 
    6, 7, 6, 7, 7, 6, 6, 6, 6, 7, 6, 6, 6, 6, 5, 6, 4, 6, 6, 
    6, 6, 7, 6, 5, 4, 6, 6, 2, 4, 5, 7, 5, 6, 6, 2, 6, 6, 5, 
    7, 7, 7, 6, 5, 6, 7, 7, 6, 6, 6, 6, 5, 7, 5, 6, 6, 6, 6, 
    4, 6, 5, 5, 7, 7, 2, 7, 7, 6, 6, 6, 7, 7, 6, 6, 6, 6, 6, 
    7, 7, 6, 4, 6, 4, 5, 6, 5, 6, 6, 6, 6, 7, 6, 7, 6, 6, 6, 
    7, 5, 6, 5, 5, 5, 6, 6, 6, 6, 6, 6, 5, 6, 2, 5, 6, 6, 7, 
    6, 7, 7, 7, 6, 5, 4, 7, 6, 2, 6, 5, 6, 7, 6, 6, 6), format.spss = "F8.0"), 
    tei.q21 = structure(c(7, 3, 7, 6, 4, 6, 5, 7, 5, 5, 5, 6, 
    5, 4, 7, 6, 6, 6, 6, 6, 6, 5, 4, 6, 5, 6, 6, 5, 5, 5, 5, 
    5, 4, 5, 6, 6, 6, 4, 4, 6, 4, 4, 2, 5, 3, 4, 4, 5, 3, 4, 
    3, 2, 4, 7, 6, 7, 6, 7, 6, 6, 5, 5, 6, 4, 6, 6, 6, 6, 5, 
    4, 7, 4, 6, 7, 7, 6, 7, 7, 7, 7, 6, 6, 4, 7, 6, 4, 6, 6, 
    6, 6, 3, 6, 5, 5, 4, 6, 1, 4, 6, 5, 6, 4, 2, 4, 4, 4, 5, 
    6, 7, 6, 7, 6, 7, 6, 6, 6, 5, 5, 5, 6, 7, 6, 6, 5, 4, 4, 
    5, 5, 5, 4, 7, 6, 3, 6, 6, 6, 5, 6, 5, 6, 4, 6, 6, 5, 6, 
    7, 6, 6, 5, 6, 5, 6, 6, 6, 6, 6, 6, 6, 5, 6, 3, 5, 5, 5, 
    7, 5, 4, 5, 5, 5, 6, 4, 4, 4, 6, 6, 5, 6, 3, 5, 3, 6, 7, 
    7, 7, 7, 5, 5, 6, 4, 6, 6, 2, 5, 5, 6, 7, 6, 5, 6), format.spss = "F8.0"), 
    tei.q22 = structure(c(1, 6, 1, 2, 1, 2, 3, 6, 3, 5, 3, 5, 
    3, 3, 5, 5, 4, 4, 2, 3, 2, 7, 3, 2, 5, 2, 4, 3, 5, 4, 5, 
    3, 1, 3, 5, 4, 5, 4, 2, 2, 2, 2, 2, 2, 5, 1, 3, 5, 4, 2, 
    5, 5, 3, 1, 6, 6, 4, 2, 3, 2, 3, 2, 2, 5, 4, 1, 5, 6, 3, 
    5, 1, 1, 2, 4, 4, 5, 5, 2, 1, 2, 2, 4, 5, 2, 2, 1, 3, 2, 
    3, 6, 2, 6, 5, 4, 2, 3, 2, 4, 2, 4, 5, 2, 5, 6, 2, 4, 4, 
    5, 1, 5, 2, 2, 2, 1, 2, 5, 2, 5, 2, 6, 5, 4, 5, 3, 4, 2, 
    4, 5, 3, 4, 5, 2, 4, 5, 2, 5, 4, 3, 2, 2, 2, 4, 2, 2, 5, 
    6, 2, 2, 5, 2, 5, 4, 3, 2, 2, 2, 2, 2, 1, 3, 3, 4, 4, 5, 
    4, 3, 2, 3, 6, 4, 5, 4, 3, 3, 3, 3, 2, 2, 3, 3, 3, 6, 1, 
    5, 4, 4, 2, 2, 2, 3, 4, 2, 4, 2, 5, 4, 3, 1, 4, 4), format.spss = "F8.0"), 
    tei.q23 = structure(c(1, 6, 7, 1, 1, 4, 4, 3, 4, 3, 4, 5, 
    3, 1, 4, 3, 3, 2, 2, 4, 2, 6, 6, 2, 4, 2, 2, 4, 2, 3, 4, 
    3, 5, 2, 3, 2, 5, 3, 3, 3, 4, 3, 4, 4, 3, 2, 3, 4, 3, 3, 
    4, 2, 2, 3, 1, 4, 4, 1, 1, 2, 3, 3, 1, 4, 5, 1, 6, 4, 2, 
    4, 2, 5, 3, 7, 5, 4, 1, 3, 1, 2, 5, 2, 4, 3, 2, 4, 4, 4, 
    3, 3, 6, 2, 6, 5, 2, 3, 2, 3, 1, 4, 4, 2, 2, 2, 6, 4, 4, 
    5, 1, 4, 2, 2, 3, 2, 2, 7, 3, 3, 3, 4, 5, 2, 4, 2, 4, 4, 
    5, 3, 3, 4, 5, 2, 3, 2, 2, 5, 2, 5, 1, 2, 2, 5, 4, 4, 6, 
    3, 2, 2, 4, 2, 4, 5, 2, 1, 2, 3, 3, 2, 6, 2, 2, 4, 3, 4, 
    4, 3, 2, 2, 4, 4, 2, 4, 3, 3, 3, 4, 6, 2, 3, 5, 3, 6, 4, 
    5, 6, 1, 1, 4, 1, 3, 5, 1, 1, 2, 4, 4, 4, 1, 2, 4), format.spss = "F8.0"), 
    tei.q24 = structure(c(7, 7, 7, 7, 4, 7, 4, 7, 5, 5, 7, 5, 
    6, 7, 6, 6, 7, 6, 6, 6, 6, 6, 5, 6, 6, 5, 6, 6, 7, 7, 6, 
    5, 6, 6, 5, 6, 6, 6, 5, 6, 6, 6, 5, 5, 5, 6, 2, 6, 4, 6, 
    3, 4, 3, 7, 6, 6, 6, 7, 6, 7, 6, 5, 7, 5, 6, 7, 6, 6, 6, 
    6, 7, 6, 7, 7, 5, 5, 7, 6, 7, 6, 7, 6, 5, 6, 6, 6, 6, 6, 
    6, 6, 7, 6, 4, 5, 5, 6, 1, 4, 7, 7, 5, 6, 6, 5, 6, 6, 4, 
    7, 7, 7, 7, 7, 7, 7, 7, 7, 6, 6, 6, 6, 7, 5, 6, 6, 6, 4, 
    5, 6, 5, 5, 7, 6, 7, 6, 7, 6, 6, 6, 6, 7, 6, 6, 6, 6, 6, 
    7, 6, 7, 6, 6, 6, 6, 5, 5, 6, 6, 6, 6, 7, 6, 6, 6, 7, 6, 
    6, 5, 6, 6, 6, 5, 6, 6, 6, 4, 6, 6, 5, 6, 6, 5, 6, 6, 7, 
    6, 7, 7, 7, 6, 7, 6, 7, 7, 4, 6, 4, 6, 7, 7, 6, 7), format.spss = "F8.0"), 
    tei.q25 = structure(c(1, 7, 7, 1, 4, 2, 6, 2, 5, 4, 4, 3, 
    5, 6, 2, 2, 5, 2, 2, 5, 1, 5, 7, 2, 4, 5, 2, 3, 2, 3, 5, 
    4, 1, 2, 4, 2, 5, 4, 2, 4, 1, 1, 6, 2, 3, 2, 3, 4, 4, 4, 
    4, 4, 2, 1, 1, 6, 2, 1, 1, 2, 3, 4, 2, 4, 6, 2, 3, 2, 3, 
    3, 4, 4, 2, 1, 4, 6, 2, 3, 1, 3, 3, 2, 4, 4, 2, 2, 2, 3, 
    5, 6, 6, 2, 6, 3, 3, 2, 4, 1, 2, 6, 3, 4, 1, 5, 4, 2, 4, 
    3, 4, 6, 2, 2, 1, 1, 6, 5, 2, 6, 2, 2, 5, 5, 2, 4, 4, 3, 
    3, 5, 3, 4, 5, 2, 6, 2, 4, 4, 5, 2, 6, 6, 4, 2, 5, 2, 6, 
    1, 4, 2, 3, 3, 3, 3, 5, 5, 2, 5, 2, 2, 4, 4, 5, 2, 2, 2, 
    6, 3, 4, 4, 4, 3, 2, 5, 4, 5, 3, 6, 6, 4, 4, 2, 3, 6, 2, 
    2, 6, 4, 6, 5, 2, 6, 1, 6, 3, 2, 5, 4, 6, 3, 3, 6), format.spss = "F8.0"), 
    tei.q26 = structure(c(4, 7, 7, 1, 4, 2, 4, 1, 2, 4, 2, 4, 
    4, 2, 2, 2, 4, 2, 4, 3, 3, 4, 3, 4, 5, 4, 2, 2, 4, 2, 4, 
    2, 6, 2, 4, 2, 5, 2, 2, 2, 1, 2, 6, 2, 3, 2, 4, 6, 4, 6, 
    4, 3, 3, 1, 2, 2, 2, 1, 2, 2, 3, 3, 2, 4, 5, 2, 2, 3, 2, 
    3, 1, 2, 2, 6, 3, 3, 2, 1, 2, 2, 6, 2, 4, 1, 2, 1, 2, 2, 
    2, 2, 3, 2, 2, 4, 3, 2, 2, 2, 4, 3, 3, 3, 3, 2, 4, 1, 3, 
    2, 1, 2, 2, 2, 1, 1, 5, 1, 2, 3, 2, 2, 5, 3, 2, 2, 4, 2, 
    4, 2, 4, 4, 1, 2, 4, 2, 1, 2, 4, 2, 2, 2, 4, 2, 3, 4, 3, 
    2, 1, 2, 3, 4, 3, 2, 2, 3, 2, 3, 2, 2, 2, 3, 2, 2, 5, 5, 
    2, 3, 4, 4, 2, 3, 5, 6, 4, 3, 1, 5, 6, 2, 4, 2, 1, 3, 2, 
    4, 4, 2, 2, 2, 2, 2, 1, 3, 1, 2, 2, 4, 5, 4, 2, 1), format.spss = "F8.0"), 
    tei.q27 = structure(c(7, 7, 7, 7, 4, 6, 5, 7, 6, 4, 6, 4, 
    5, 6, 6, 7, 6, 4, 6, 6, 6, 4, 5, 6, 6, 1, 6, 5, 6, 5, 5, 
    6, 4, 6, 4, 6, 6, 4, 6, 6, 4, 4, 6, 3, 5, 6, 2, 6, 5, 5, 
    4, 5, 3, 3, 6, 4, 6, 7, 7, 7, 7, 5, 6, 4, 6, 6, 7, 5, 6, 
    6, 7, 5, 6, 7, 5, 4, 5, 7, 7, 6, 5, 6, 7, 6, 5, 4, 6, 6, 
    6, 6, 7, 6, 6, 5, 6, 5, 2, 4, 6, 7, 5, 5, 5, 5, 5, 6, 3, 
    6, 7, 7, 6, 5, 6, 6, 6, 6, 6, 6, 5, 6, 7, 5, 6, 5, 6, 6, 
    5, 6, 5, 5, 7, 6, 5, 6, 6, 5, 6, 6, 6, 7, 5, 6, 5, 7, 5, 
    6, 6, 6, 5, 6, 5, 6, 6, 4, 6, 6, 6, 6, 6, 6, 6, 5, 6, 6, 
    3, 5, 4, 5, 4, 4, 6, 6, 5, 4, 6, 4, 5, 4, 4, 5, 6, 4, 7, 
    6, 6, 6, 6, 6, 6, 3, 7, 6, 1, 4, 5, 3, 7, 6, 6, 6), format.spss = "F8.0"), 
    tei.q28 = structure(c(1, 5, 7, 1, 2, 2, 4, 1, 1, 3, 1, 2, 
    1, 5, 6, 2, 2, 1, 2, 2, 1, 1, 3, 5, 5, 5, 2, 1, 2, 2, 2, 
    3, 1, 1, 3, 2, 2, 2, 2, 2, 1, 1, 3, 4, 2, 1, 3, 2, 5, 4, 
    4, 2, 4, 3, 1, 1, 3, 1, 1, 1, 3, 3, 4, 3, 5, 1, 2, 2, 2, 
    3, 1, 1, 1, 1, 5, 5, 1, 1, 1, 2, 2, 2, 6, 1, 3, 1, 2, 1, 
    2, 5, 1, 2, 3, 4, 2, 6, 2, 3, 1, 5, 3, 2, 2, 3, 2, 4, 3, 
    2, 1, 1, 1, 1, 3, 1, 1, 1, 1, 1, 5, 2, 1, 2, 3, 2, 2, 2, 
    5, 2, 3, 4, 1, 2, 2, 1, 1, 2, 4, 2, 1, 1, 2, 4, 5, 5, 6, 
    1, 1, 2, 2, 1, 2, 2, 2, 1, 2, 3, 2, 2, 1, 2, 2, 2, 3, 4, 
    1, 3, 4, 3, 2, 2, 3, 2, 3, 3, 1, 4, 6, 1, 3, 2, 1, 2, 1, 
    2, 2, 2, 2, 2, 1, 2, 1, 1, 2, 2, 1, 4, 1, 2, 2, 1), format.spss = "F8.0"), 
    tei.q29 = structure(c(7, 7, 7, 6, 7, 7, 3, 6, 5, 5, 2, 5, 
    6, 6, 7, 6, 6, 4, 6, 6, 6, 6, 6, 6, 5, 3, 6, 6, 6, 5, 6, 
    2, 6, 6, 5, 6, 6, 6, 6, 7, 6, 7, 5, 5, 6, 6, 4, 6, 4, 5, 
    4, 3, 4, 3, 7, 7, 6, 7, 7, 2, 5, 6, 6, 3, 5, 6, 7, 5, 6, 
    5, 7, 6, 6, 7, 7, 6, 7, 7, 6, 7, 6, 6, 6, 7, 6, 5, 6, 6, 
    7, 6, 7, 6, 6, 4, 6, 6, 1, 6, 6, 7, 6, 6, 3, 3, 6, 5, 5, 
    6, 7, 7, 6, 6, 6, 6, 6, 7, 6, 6, 4, 6, 6, 6, 7, 6, 4, 4, 
    6, 6, 6, 5, 7, 6, 7, 3, 7, 6, 7, 5, 7, 7, 6, 6, 6, 6, 2, 
    4, 7, 6, 4, 6, 4, 5, 5, 6, 6, 6, 6, 6, 7, 3, 6, 6, 7, 6, 
    6, 5, 5, 6, 5, 3, 6, 2, 4, 4, 6, 5, 6, 6, 3, 5, 6, 6, 7, 
    7, 7, 7, 7, 6, 6, 5, 6, 6, 1, 6, 4, 4, 7, 6, 3, 3), format.spss = "F8.0"), 
    tei.q30 = structure(c(7, 1, 7, 6, 6, 6, 3, 6, 5, 4, 2, 3, 
    4, 3, 6, 6, 4, 4, 6, 4, 4, 5, 5, 6, 4, 4, 5, 5, 6, 4, 4, 
    2, 4, 4, 5, 5, 5, 4, 4, 4, 4, 3, 2, 4, 2, 4, 2, 6, 3, 2, 
    5, 2, 2, 3, 7, 6, 4, 2, 7, 3, 2, 4, 5, 3, 5, 6, 3, 5, 6, 
    4, 3, 6, 5, 7, 5, 2, 4, 6, 7, 6, 7, 6, 4, 4, 6, 5, 5, 4, 
    4, 5, 3, 6, 6, 4, 4, 5, 2, 3, 5, 5, 4, 3, 2, 2, 5, 6, 5, 
    5, 7, 7, 7, 4, 7, 5, 6, 5, 5, 4, 4, 4, 7, 3, 6, 3, 4, 2, 
    4, 4, 4, 4, 7, 4, 3, 6, 7, 4, 4, 3, 6, 6, 4, 5, 6, 6, 6, 
    6, 6, 5, 4, 5, 4, 5, 5, 1, 5, 6, 5, 6, 5, 4, 4, 5, 5, 6, 
    2, 4, 4, 5, 4, 5, 4, 2, 4, 2, 5, 5, 3, 4, 3, 4, 4, 4, 6, 
    5, 6, 3, 6, 5, 4, 2, 6, 6, 6, 2, 4, 5, 6, 6, 5, 4), format.spss = "F8.0")), row.names = c(NA, 
-200L), class = "data.frame"))

Τοποθετούμε τις περιγραφές κάθε μίας ερώτησεις με τον παρακάτω κώδικα:

library(Hmisc)
label(TEI.data$gender) = 'Φύλο'
label(TEI.data$age) = 'Ηλικία'
label(TEI.data$tei.q1) = 'Δε δυσκολεύομαι καθόλου να εκφράσω τα συναισθήματά μου με λόγια.'
label(TEI.data$tei.q2) = '(r)Συχνά το βρίσκω δύσκολο να δω τα πράγματα από την οπτική γωνία των άλλων.'
label(TEI.data$tei.q3) = 'Γενικά είμαι ένα ιδιαίτερα δραστήριο άτομο με στόχους.'
label(TEI.data$tei.q4) = '(r)Συνήθως μου είναι δύσκολο να ελέγξω τα συναισθήματά μου.'
label(TEI.data$tei.q5) = '(r)Γενικά δε βρίσκω τη ζωή διασκεδαστική.'
label(TEI.data$tei.q6) = 'Μπορώ να χειριστώ αποτελεσματικά τους άλλους ανθρώπους.'
label(TEI.data$tei.q7) = '(r)Έχω την τάση να αλλάζω γνώμη συχνά.'
label(TEI.data$tei.q8) = '(r)Γενικά δυσκολεύομαι να κατανοήσω τι ακριβώς νιώθω.'
label(TEI.data$tei.q9) = 'Πιστεύω πως έχω πολλά χαρίσματα.'
label(TEI.data$tei.q10) = '(r)Συχνά δυσκολεύομαι να υπερασπισθώ τα δικαιώματά μου. '
label(TEI.data$tei.q11) = 'Συνήθως μπορώ να επηρεάσω τα συναισθήματα των άλλων ανθρώπων. '
label(TEI.data$tei.q12) = '(r)Γενικά είμαι απαισιόδοξος άνθρωπος. '
label(TEI.data$tei.q13) = '(r)Οι κοντινοί μου άνθρωποι παραπονιούνται ότι δεν τους συμπεριφέρομαι σωστά. '
label(TEI.data$tei.q14) = '(r)Συνήθως δυσκολεύομαι να προσαρμόζω τη ζωή μου ανάλογα με τις περιστάσεις. '
label(TEI.data$tei.q15) = 'Γενικά, είμαι ικανός να αντιμετωπίσω το άγχος. '
label(TEI.data$tei.q16) = '(r)Συχνά δυσκολεύομαι να δείχνω στοργή στους κοντινούς μου ανθρώπους. '
label(TEI.data$tei.q17) = 'Συνήθως μπορώ να «μπω στη θέση του άλλου» και να καταλάβω τα συναισθήματά του.'
label(TEI.data$tei.q18) = '(r)Δεν έχω αρκετά κίνητρα στη ζωή μου. '
label(TEI.data$tei.q19) = 'Συνήθως μπορώ να βρω τρόπους να ελέγξω τα συναισθήματά μου όταν το θέλω. '
label(TEI.data$tei.q20) = 'Σε γενικές γραμμές, είμαι ευχαριστημένος από τη ζωή μου. '
label(TEI.data$tei.q21) = 'Θα περιέγραφα τον εαυτό μου ως καλό διαπραγματευτή. '
label(TEI.data$tei.q22) = '(r)Συχνά ανακατεύομαι σε καταστάσεις και αργότερα το μετανιώνω. '
label(TEI.data$tei.q23) = 'Συχνά, σταματώ αυτό που κάνω και συγκεντρώνομαι σε αυτό που νιώθω. '
label(TEI.data$tei.q24) = 'Αισθάνομαι καλά με τον εαυτό μου. '
label(TEI.data$tei.q25) = '(r)Έχω την τάση να υποχωρώ ακόμη και όταν γνωρίζω πως έχω δίκιο. '
label(TEI.data$tei.q26) = '(r)Πιστεύω πως δεν έχω καθόλου επιρροή στα συναισθήματα των άλλων. '
label(TEI.data$tei.q27) = 'Πιστεύω ότι γενικά τα πράγματα θα εξελιχθούν καλά στη ζωή μου. '
label(TEI.data$tei.q28) = '(r)Δυσκολεύομαι να δεθώ πολύ ακόμη και με όσους βρίσκονται πολύ κοντά μου. '
label(TEI.data$tei.q29) = 'Γενικά, μπορώ να προσαρμόζομαι σε καινούρια περιβάλλοντα και καταστάσεις. '
label(TEI.data$tei.q30) = 'Οι άλλοι με θαυμάζουν γιατί είμαι «άνετος».'

4.1 Ανακωδικοποίηση αποκρίσεων

Είναι συνηθισμένο στις ψυχομετρικές κλίμακες να υπάρχουν κάποιες με αντίθετο τρόπο έκφρασης σε σχέση με τις υπόλοιπες. Στην περίπτωση αυτή, πριν την ανίχνευση δομής, πρέπει να γίνει ανακωδικοποίηση των αποκρίσεων. Στο Trait Emotional Intelligence Questionnaire, οι ερωτήσεις που πρέπει να γίνουν ανακωδικοποίηση είναι οι 16, 2, 18, 4, 5, 7, 22, 8, 10, 25, 26, 12, 13, 28, 14

Σε αυτές τις ερωτήσεις πρέπει να γίνει 1 -> 7, 2 -> 6, 3 -> 5, 4 -> 4, 5 -> 3, 6 -> 2, 7 -> 1.

Αυτό, το πετυχαίνουμε με τον παρακάτω κώδικα:

items.to.reverse = c(16, 2, 18, 4, 5, 7, 22, 8, 10, 25, 26, 12, 13, 28, 14)

for(i in items.to.reverse){
  TEI.data[, 2 + i] = 8 - TEI.data[, 2 + i]
}

4.2 Περιγραφή των αποκρίσεων

Αρχικά, αποκτούμε μία εικόνα των αποκρίσεων με την εντολή:

my_likert_scale_description(TEI.data[, 3:32])

	Item	Responses	1	2	3	4	5	6	7	M (SD)
1	Δε δυσκολεύομαι καθόλου να εκφράσω τα συναισθήματά μου με λόγια.	200	2 (1%)	9 (4.5%)	12 (6%)	17 (8.5%)	38 (19%)	68 (34%)	54 (27%)	5.5 (1.4)
2	(r)Συχνά το βρίσκω δύσκολο να δω τα πράγματα από την οπτική γωνία των άλλων.	200	2 (1%)	6 (3%)	30 (15%)	22 (11%)	32 (16%)	73 (36.5%)	35 (17.5%)	5.2 (1.5)
3	Γενικά είμαι ένα ιδιαίτερα δραστήριο άτομο με στόχους.	200	2 (1%)	1 (0.5%)	5 (2.5%)	21 (10.5%)	37 (18.5%)	83 (41.5%)	51 (25.5%)	5.7 (1.2)
4	(r)Συνήθως μου είναι δύσκολο να ελέγξω τα συναισθήματά μου.	200	8 (4%)	20 (10%)	28 (14%)	22 (11%)	27 (13.5%)	70 (35%)	25 (12.5%)	4.8 (1.7)
5	(r)Γενικά δε βρίσκω τη ζωή διασκεδαστική.	200	2 (1%)	10 (5%)	13 (6.5%)	14 (7%)	26 (13%)	77 (38.5%)	58 (29%)	5.6 (1.5)
6	Μπορώ να χειριστώ αποτελεσματικά τους άλλους ανθρώπους.	200	11 (5.5%)	16 (8%)	22 (11%)	43 (21.5%)	48 (24%)	47 (23.5%)	13 (6.5%)	4.5 (1.6)
7	(r)Έχω την τάση να αλλάζω γνώμη συχνά.	200	3 (1.5%)	6 (3%)	8 (4%)	22 (11%)	24 (12%)	82 (41%)	55 (27.5%)	5.6 (1.4)
8	(r)Γενικά δυσκολεύομαι να κατανοήσω τι ακριβώς νιώθω.	200	2 (1%)	4 (2%)	8 (4%)	13 (6.5%)	19 (9.5%)	74 (37%)	80 (40%)	5.9 (1.3)
9	Πιστεύω πως έχω πολλά χαρίσματα.	200	1 (0.5%)	6 (3%)	9 (4.5%)	44 (22%)	59 (29.5%)	61 (30.5%)	20 (10%)	5.1 (1.2)
10	(r)Συχνά δυσκολεύομαι να υπερασπισθώ τα δικαιώματά μου.	200	4 (2%)	22 (11%)	27 (13.5%)	25 (12.5%)	29 (14.5%)	62 (31%)	31 (15.5%)	4.8 (1.7)
11	Συνήθως μπορώ να επηρεάσω τα συναισθήματα των άλλων ανθρώπων.	200	4 (2%)	13 (6.5%)	21 (10.5%)	52 (26%)	51 (25.5%)	53 (26.5%)	6 (3%)	4.6 (1.3)
12	(r)Γενικά είμαι απαισιόδοξος άνθρωπος.	200	6 (3%)	8 (4%)	9 (4.5%)	19 (9.5%)	19 (9.5%)	59 (29.5%)	80 (40%)	5.7 (1.6)
13	(r)Οι κοντινοί μου άνθρωποι παραπονιούνται ότι δεν τους συμπεριφέρομαι σωστά.	200	2 (1%)	2 (1%)	9 (4.5%)	14 (7%)	10 (5%)	77 (38.5%)	86 (43%)	6.0 (1.3)
14	(r)Συνήθως δυσκολεύομαι να προσαρμόζω τη ζωή μου ανάλογα με τις περιστάσεις.	200	0 (0%)	1 (0.5%)	12 (6%)	16 (8%)	20 (10%)	86 (43%)	65 (32.5%)	5.9 (1.2)
15	Γενικά, είμαι ικανός να αντιμετωπίσω το άγχος.	200	1 (0.5%)	9 (4.5%)	14 (7%)	32 (16%)	53 (26.5%)	73 (36.5%)	18 (9%)	5.1 (1.3)
16	(r)Συχνά δυσκολεύομαι να δείχνω στοργή στους κοντινούς μου ανθρώπους.	200	3 (1.5%)	3 (1.5%)	9 (4.5%)	9 (4.5%)	16 (8%)	64 (32%)	96 (48%)	6.0 (1.3)
17	Συνήθως μπορώ να «μπω στη θέση του άλλου» και να καταλάβω τα συναισθήματά του.	200	2 (1%)	7 (3.5%)	4 (2%)	12 (6%)	32 (16%)	95 (47.5%)	48 (24%)	5.7 (1.2)
18	(r)Δεν έχω αρκετά κίνητρα στη ζωή μου.	200	3 (1.5%)	5 (2.5%)	13 (6.5%)	26 (13%)	17 (8.5%)	65 (32.5%)	71 (35.5%)	5.6 (1.5)
19	Συνήθως μπορώ να βρω τρόπους να ελέγξω τα συναισθήματά μου όταν το θέλω.	200	3 (1.5%)	2 (1%)	10 (5%)	30 (15%)	42 (21%)	92 (46%)	21 (10.5%)	5.3 (1.2)
20	Σε γενικές γραμμές, είμαι ευχαριστημένος από τη ζωή μου.	200	0 (0%)	6 (3%)	3 (1.5%)	12 (6%)	30 (15%)	106 (53%)	43 (21.5%)	5.8 (1.1)
21	Θα περιέγραφα τον εαυτό μου ως καλό διαπραγματευτή.	200	1 (0.5%)	4 (2%)	9 (4.5%)	32 (16%)	49 (24.5%)	78 (39%)	27 (13.5%)	5.3 (1.2)
22	(r)Συχνά ανακατεύομαι σε καταστάσεις και αργότερα το μετανιώνω.	200	1 (0.5%)	12 (6%)	39 (19.5%)	37 (18.5%)	35 (17.5%)	60 (30%)	16 (8%)	4.7 (1.5)
23	Συχνά, σταματώ αυτό που κάνω και συγκεντρώνομαι σε αυτό που νιώθω.	200	21 (10.5%)	50 (25%)	44 (22%)	51 (25.5%)	19 (9.5%)	12 (6%)	3 (1.5%)	3.2 (1.4)
24	Αισθάνομαι καλά με τον εαυτό μου.	200	1 (0.5%)	1 (0.5%)	2 (1%)	11 (5.5%)	30 (15%)	102 (51%)	53 (26.5%)	5.9 (0.96)
25	(r)Έχω την τάση να υποχωρώ ακόμη και όταν γνωρίζω πως έχω δίκιο.	200	3 (1.5%)	27 (13.5%)	25 (12.5%)	42 (21%)	31 (15.5%)	54 (27%)	18 (9%)	4.5 (1.6)
26	(r)Πιστεύω πως δεν έχω καθόλου επιρροή στα συναισθήματα των άλλων.	200	2 (1%)	8 (4%)	10 (5%)	39 (19.5%)	33 (16.5%)	86 (43%)	22 (11%)	5.2 (1.3)
27	Πιστεύω ότι γενικά τα πράγματα θα εξελιχθούν καλά στη ζωή μου.	200	2 (1%)	2 (1%)	7 (3.5%)	26 (13%)	45 (22.5%)	91 (45.5%)	27 (13.5%)	5.5 (1.1)
28	(r)Δυσκολεύομαι να δεθώ πολύ ακόμη και με όσους βρίσκονται πολύ κοντά μου.	200	1 (0.5%)	5 (2.5%)	15 (7.5%)	15 (7.5%)	29 (14.5%)	71 (35.5%)	64 (32%)	5.7 (1.4)
29	Γενικά, μπορώ να προσαρμόζομαι σε καινούρια περιβάλλοντα και καταστάσεις.	200	2 (1%)	5 (2.5%)	13 (6.5%)	16 (8%)	26 (13%)	96 (48%)	42 (21%)	5.6 (1.3)
30	Οι άλλοι με θαυμάζουν γιατί είμαι «άνετος».	200	2 (1%)	20 (10%)	20 (10%)	58 (29%)	44 (22%)	42 (21%)	14 (7%)	4.5 (1.4)

4.3 Ομοιότητα αποκρίσεων

Αξιοποιούμε τη συνάρτηση my_dendrogram.

my_dendro = my_dendrogram(TEI.data[, 3:32])

my_dendro$distMat

Variables

	Original Item
q1	tei.q1
q2	tei.q2
q3	tei.q3
q4	tei.q4
q5	tei.q5
q6	tei.q6
q7	tei.q7
q8	tei.q8
q9	tei.q9
q10	tei.q10
q11	tei.q11
q12	tei.q12
q13	tei.q13
q14	tei.q14
q15	tei.q15
q16	tei.q16
q17	tei.q17
q18	tei.q18
q19	tei.q19
q20	tei.q20
q21	tei.q21
q22	tei.q22
q23	tei.q23
q24	tei.q24
q25	tei.q25
q26	tei.q26
q27	tei.q27
q28	tei.q28
q29	tei.q29
q30	tei.q30

Euclidean distance

	Cols
	q1	q2	q3	q4	q5	q6	q7	q8	q9	q10	q11	q12	q13	q14	q15	q16	q17	q18	q19	q20	q21	q22	q23	q24	q25	q26	q27	q28	q29	q30
Rows
q1	0	29.4	21	33.7	27.1	29.9	26.1	26.1	21.5	31.3	26.8	29.3	24.5	23.8	23.8	26.8	24	27	23.6	21.1	21.6	29.3	43.2	20.3	34.2	26.9	22.4	25.7	22.3	29.2
q2	29.4	0	25.7	31.9	27.1	31.3	28.2	26	25.8	30.8	28.9	29.8	28.9	25.1	25.7	27.5	26.6	28.6	25.7	26.6	25.6	28.1	41.1	26	30.2	24.9	25.8	24.7	27.9	28.9
q3	21	25.7	0	31.5	24.2	27.5	24.4	22.5	19.3	28.6	25.8	24.6	24.9	21.4	20.1	21.4	20.6	20.7	18.9	16.9	15.9	29.6	44.4	15	31.7	22.9	17.4	22.7	18.3	25.6
q4	33.7	31.9	31.5	0	33	32.7	28.2	32.8	30.3	29.8	32.2	35.1	34.5	31.8	29.3	35.2	33.1	31.5	26.2	30.3	29.8	29.3	41.5	30.7	27.7	30.9	29.4	32.8	32.8	32.1
q5	27.1	27.1	24.2	33	0	33.4	26.3	25.6	26	31.5	29.6	26.3	27.4	24.2	26.7	28.6	25.4	24.5	26.4	21.1	25	31	43.8	23.3	34.2	28.2	22.2	26.2	25.1	30.3
q6	29.9	31.3	27.5	32.7	33.4	0	33	35.4	26.7	31.5	21.7	34.4	36.6	33.4	27.5	35.7	31.8	32.2	26.8	29.4	24	28.4	36.2	31	30.7	28.4	27	33.7	31.5	26
q7	26.1	28.2	24.4	28.2	26.3	33	0	23.6	26.9	30.3	31.8	27.9	26.5	23.2	25.1	26.2	24.4	26.2	23.3	22.8	25.4	26.5	46.7	21.8	31.7	26.9	23.6	25.3	26.1	32.2
q8	26.1	26	22.5	32.8	25.6	35.4	23.6	0	26.2	30	32.1	26.9	25.9	21.3	24.9	24.3	24.1	26	22.8	22.5	24.6	31	48.5	21.1	31.9	26.7	23.9	24.4	24.5	32.2
q9	21.5	25.8	19.3	30.3	26	26.7	26.9	26.2	0	28.9	22.2	27.9	26.8	25.8	19.6	26.9	21.7	25.8	21.7	21.6	18.1	26.5	37.6	19.8	27.7	23	20.2	24.7	22.6	22.6
q10	31.3	30.8	28.6	29.8	31.5	31.5	30.3	30	28.9	0	29	31.7	33.8	30.5	27.9	33	31.9	28.8	27	29.6	26.7	29.8	39.8	30.3	25.4	27.1	27.8	29.7	30	27.6
q11	26.8	28.9	25.8	32.2	29.6	21.7	31.8	32.1	22.2	29	0	30.6	32	30.7	24	32.1	27.3	28.9	25.3	26.3	21.1	27.2	33.8	27.5	27.2	24.3	23.9	29.7	28.1	22.4
q12	29.3	29.8	24.6	35.1	26.3	34.4	27.9	26.9	27.9	31.7	30.6	0	27.2	25.4	27.1	28.7	26.3	28.2	25.8	22.6	23.8	32.4	46.8	21.6	34.5	29.9	23.5	27.7	25.2	31.4
q13	24.5	28.9	24.9	34.5	27.4	36.6	26.5	25.9	26.8	33.8	32	27.2	0	21.1	28.2	22.3	23.8	24.7	26.6	21	25.2	31.9	47.7	19.3	35.4	26.7	24.6	22.5	25.5	33.3
q14	23.8	25.1	21.4	31.8	24.2	33.4	23.2	21.3	25.8	30.5	30.7	25.4	21.1	0	25	22.7	22.4	23.2	23.3	20.3	22.9	29.1	46.4	18.8	33.3	24.8	21.4	22.1	20	30.8
q15	23.8	25.7	20.1	29.3	26.7	27.5	25.1	24.9	19.6	27.9	24	27.1	28.2	25	0	26.5	23.8	24.5	19.9	21.4	19.4	25.2	39.4	21.3	28	24.3	19.8	26.1	21.4	23.1
q16	26.8	27.5	21.4	35.2	28.6	35.7	26.2	24.3	26.9	33	32.1	28.7	22.3	22.7	26.5	0	23	22.3	25.7	21.9	23.9	33.4	49.1	20.7	35.5	25.3	24.1	22.8	24.8	32.9
q17	24	26.6	20.6	33.1	25.4	31.8	24.4	24.1	21.7	31.9	27.3	26.3	23.8	22.4	23.8	23	0	24	21.5	18.4	20.1	29.5	44	18.5	33	25	20.9	22.6	22.1	28.6
q18	27	28.6	20.7	31.5	24.5	32.2	26.2	26	25.8	28.8	28.9	28.2	24.7	23.2	24.5	22.3	24	0	24.2	19.9	21.9	32	46.4	21.5	32.4	24.3	19.8	25	23.3	29.5
q19	23.6	25.7	18.9	26.2	26.4	26.8	23.3	22.8	21.7	27	25.3	25.8	26.6	23.3	19.9	25.7	21.5	24.2	0	17.5	18.1	26.3	41.4	20.5	27.1	23.5	19.9	24.1	21.1	24.4
q20	21.1	26.6	16.9	30.3	21.1	29.4	22.8	22.5	21.6	29.6	26.3	22.6	21	20.3	21.4	21.9	18.4	19.9	17.5	0	17.6	28.6	44	12.4	32	24.3	14	22	18.2	27.2
q21	21.6	25.6	15.9	29.8	25	24	25.4	24.6	18.1	26.7	21.1	23.8	25.2	22.9	19.4	23.9	20.1	21.9	18.1	17.6	0	27.8	39.8	17.5	28.5	22.7	18.6	24	19.6	22
q22	29.3	28.1	29.6	29.3	31	28.4	26.5	31	26.5	29.8	27.2	32.4	31.9	29.1	25.2	33.4	29.5	32	26.3	28.6	27.8	0	39.1	29.1	28.2	27.2	27.7	29.5	28.6	27.9
q23	43.2	41.1	44.4	41.5	43.8	36.2	46.7	48.5	37.6	39.8	33.8	46.8	47.7	46.4	39.4	49.1	44	46.4	41.4	44	39.8	39.1	0	45.6	39	41.9	40.7	46.6	42.9	33.8
q24	20.3	26	15	30.7	23.3	31	21.8	21.1	19.8	30.3	27.5	21.6	19.3	18.8	21.3	20.7	18.5	21.5	20.5	12.4	17.5	29.1	45.6	0	32.2	24.3	15.5	20.4	18.2	27.8
q25	34.2	30.2	31.7	27.7	34.2	30.7	31.7	31.9	27.7	25.4	27.2	34.5	35.4	33.3	28	35.5	33	32.4	27.1	32	28.5	28.2	39	32.2	0	26.3	29.8	31.1	32.7	27.8
q26	26.9	24.9	22.9	30.9	28.2	28.4	26.9	26.7	23	27.1	24.3	29.9	26.7	24.8	24.3	25.3	25	24.3	23.5	24.3	22.7	27.2	41.9	24.3	26.3	0	24.1	22	26.2	27.7
q27	22.4	25.8	17.4	29.4	22.2	27	23.6	23.9	20.2	27.8	23.9	23.5	24.6	21.4	19.8	24.1	20.9	19.8	19.9	14	18.6	27.7	40.7	15.5	29.8	24.1	0	23.1	18.4	24.5
q28	25.7	24.7	22.7	32.8	26.2	33.7	25.3	24.4	24.7	29.7	29.7	27.7	22.5	22.1	26.1	22.8	22.6	25	24.1	22	24	29.5	46.6	20.4	31.1	22	23.1	0	24.5	30.7
q29	22.3	27.9	18.3	32.8	25.1	31.5	26.1	24.5	22.6	30	28.1	25.2	25.5	20	21.4	24.8	22.1	23.3	21.1	18.2	19.6	28.6	42.9	18.2	32.7	26.2	18.4	24.5	0	26.2
q30	29.2	28.9	25.6	32.1	30.3	26	32.2	32.2	22.6	27.6	22.4	31.4	33.3	30.8	23.1	32.9	28.6	29.5	24.4	27.2	22	27.9	33.8	27.8	27.8	27.7	24.5	30.7	26.2	0

4.4 Ανάλυση δομής

Στη συνέχεια, μπορούμε να περάσουμε στην ανάλυση της δομής:

my_PCA = my_PCA_analysis(TEI.data[, 3:32], rotate = 'varimax')

my_PCA$htmlTable

Variables

	Original Item
q1	tei.q1
q2	tei.q2
q3	tei.q3
q4	tei.q4
q5	tei.q5
q6	tei.q6
q7	tei.q7
q8	tei.q8
q9	tei.q9
q10	tei.q10
q11	tei.q11
q12	tei.q12
q13	tei.q13
q14	tei.q14
q15	tei.q15
q16	tei.q16
q17	tei.q17
q18	tei.q18
q19	tei.q19
q20	tei.q20
q21	tei.q21
q22	tei.q22
q23	tei.q23
q24	tei.q24
q25	tei.q25
q26	tei.q26
q27	tei.q27
q28	tei.q28
q29	tei.q29
q30	tei.q30

Correlation Matrix

	q1	q2	q3	q4	q5	q6	q7	q8	q9	q10	q11	q12	q13	q14	q15	q16	q17	q18	q19	q20	q21	q22	q23	q24	q25	q26	q27	q28	q29	q30
q1	1	0.001	0.37	-0.012	0.127	0.246	0.146	0.141	0.395	0.102	0.289	0.078	0.248	0.215	0.283	0.137	0.216	0.146	0.217	0.351	0.342	0.131	-0.011	0.398	-0.058	0.075	0.26	0.165	0.345	0.189
q2	0.001	1	0.147	0.05	0.187	0.055	0.074	0.271	0.082	0.089	0.04	0.113	0.077	0.245	0.135	0.227	0.126	0.114	0.1	0.059	0.101	0.131	-0.107	0.104	0.126	0.208	0.071	0.309	0.044	0.102
q3	0.37	0.147	1	0.077	0.167	0.429	0.089	0.173	0.471	0.234	0.353	0.236	-0.035	0.15	0.453	0.295	0.266	0.408	0.409	0.434	0.595	0.036	-0.086	0.531	0.081	0.239	0.45	0.198	0.459	0.454
q4	-0.012	0.05	0.077	1	0.074	0.034	0.351	0.15	-0.007	0.243	-0.075	0.044	0.052	0.133	0.105	0.052	-0.006	0.199	0.322	0.171	0.079	0.164	-0.257	0.179	0.323	0.034	0.121	0.069	0.002	-0.018
q5	0.127	0.187	0.167	0.074	1	0.061	0.15	0.178	0.131	0.131	0.141	0.268	0.044	0.189	0.121	0.009	0.135	0.312	0.051	0.36	0.149	0.055	0.027	0.174	-0.005	0.02	0.303	0.151	0.19	0.161
q6	0.246	0.055	0.429	0.034	0.061	1	0.062	0.003	0.193	0.095	0.457	0.113	-0.067	0.049	0.18	0.08	0.129	0.18	0.28	0.308	0.47	0.129	-0.112	0.237	0.067	0.168	0.304	0.027	0.109	0.245
q7	0.146	0.074	0.089	0.351	0.15	0.062	1	0.252	0.004	0.175	-0.076	0.129	0.038	0.193	0.189	0.115	0.14	0.163	0.217	0.165	0.058	0.345	-0.312	0.206	0.149	0.057	0.141	0.152	0.06	-0.017
q8	0.141	0.271	0.173	0.15	0.178	0.003	0.252	1	0.126	0.294	0.039	0.169	-0.027	0.253	0.275	0.144	0.117	0.15	0.285	0.12	0.139	0.139	-0.202	0.148	0.267	0.114	0.117	0.176	0.149	0.127
q9	0.395	0.082	0.471	-0.007	0.131	0.193	0.004	0.126	1	0.052	0.317	0.116	0.098	0.023	0.378	0.158	0.344	0.172	0.205	0.295	0.448	0.058	-0.037	0.485	0.127	0.178	0.31	0.187	0.27	0.358
q10	0.102	0.089	0.234	0.243	0.131	0.095	0.175	0.294	0.052	1	0.111	0.208	0.039	0.17	0.162	0.155	0.031	0.318	0.228	0.158	0.246	0.113	-0.101	0.136	0.422	0.242	0.188	0.229	0.152	0.24
q11	0.289	0.04	0.353	-0.075	0.141	0.457	-0.076	0.039	0.317	0.111	1	0.201	0.096	0.021	0.238	0.153	0.269	0.234	0.185	0.329	0.488	0.055	-0.016	0.292	0.156	0.275	0.327	0.117	0.161	0.339
q12	0.078	0.113	0.236	0.044	0.268	0.113	0.129	0.169	0.116	0.208	0.201	1	0.137	0.194	0.21	0.079	0.165	0.165	0.21	0.345	0.332	0.084	-0.079	0.394	0.095	0.016	0.317	0.132	0.262	0.214
q13	0.248	0.077	-0.035	0.052	0.044	-0.067	0.038	-0.027	0.098	0.039	0.096	0.137	1	0.249	0.03	0.255	0.125	0.229	-0.01	0.223	0.094	0.099	0.006	0.27	0.028	0.131	0.061	0.298	0.071	0.074
q14	0.215	0.245	0.15	0.133	0.189	0.049	0.193	0.253	0.023	0.17	0.021	0.194	0.249	1	0.159	0.182	0.139	0.263	0.128	0.183	0.159	0.18	-0.127	0.224	0.041	0.154	0.205	0.253	0.377	0.125
q15	0.283	0.135	0.453	0.105	0.121	0.18	0.189	0.275	0.378	0.162	0.238	0.21	0.03	0.159	1	0.23	0.23	0.302	0.379	0.357	0.406	0.198	-0.17	0.411	0.147	0.131	0.381	0.125	0.386	0.36
q16	0.137	0.227	0.295	0.052	0.009	0.08	0.115	0.144	0.158	0.155	0.153	0.079	0.255	0.182	0.23	1	0.231	0.415	0.129	0.212	0.264	0.03	-0.095	0.214	0.08	0.292	0.163	0.32	0.174	0.18
q17	0.216	0.126	0.266	-0.006	0.135	0.129	0.14	0.117	0.344	0.031	0.269	0.165	0.125	0.139	0.23	0.231	1	0.231	0.278	0.38	0.365	0.099	0.02	0.338	0.019	0.135	0.262	0.254	0.259	0.247
q18	0.146	0.114	0.408	0.199	0.312	0.18	0.163	0.15	0.172	0.318	0.234	0.165	0.229	0.263	0.302	0.415	0.231	1	0.224	0.437	0.371	0.024	-0.165	0.312	0.156	0.302	0.466	0.227	0.308	0.263
q19	0.217	0.1	0.409	0.322	0.051	0.28	0.217	0.285	0.205	0.228	0.185	0.21	-0.01	0.128	0.379	0.129	0.278	0.224	1	0.493	0.429	0.148	-0.186	0.27	0.255	0.145	0.29	0.157	0.314	0.333
q20	0.351	0.059	0.434	0.171	0.36	0.308	0.165	0.12	0.295	0.158	0.329	0.345	0.223	0.183	0.357	0.212	0.38	0.437	0.493	1	0.483	0.121	0.013	0.648	0.052	0.107	0.646	0.209	0.449	0.348
q21	0.342	0.101	0.595	0.079	0.149	0.47	0.058	0.139	0.448	0.246	0.488	0.332	0.094	0.159	0.406	0.264	0.365	0.371	0.429	0.483	1	0.023	-0.014	0.513	0.153	0.194	0.37	0.158	0.407	0.49
q22	0.131	0.131	0.036	0.164	0.055	0.129	0.345	0.139	0.058	0.113	0.055	0.084	0.099	0.18	0.198	0.03	0.099	0.024	0.148	0.121	0.023	1	-0.331	0.127	0.157	0.11	0.053	0.15	0.137	0.063
q23	-0.011	-0.107	-0.086	-0.257	0.027	-0.112	-0.312	-0.202	-0.037	-0.101	-0.016	-0.079	0.006	-0.127	-0.17	-0.095	0.02	-0.165	-0.186	0.013	-0.014	-0.331	1	-0.047	-0.283	-0.291	0.005	-0.243	0.022	0.001
q24	0.398	0.104	0.531	0.179	0.174	0.237	0.206	0.148	0.485	0.136	0.292	0.394	0.27	0.224	0.411	0.214	0.338	0.312	0.27	0.648	0.513	0.127	-0.047	1	0.095	0.105	0.574	0.291	0.441	0.386
q25	-0.058	0.126	0.081	0.323	-0.005	0.067	0.149	0.267	0.127	0.422	0.156	0.095	0.028	0.041	0.147	0.08	0.019	0.156	0.255	0.052	0.153	0.157	-0.283	0.095	1	0.306	0.08	0.211	0.011	0.159
q26	0.075	0.208	0.239	0.034	0.02	0.168	0.057	0.114	0.178	0.242	0.275	0.016	0.131	0.154	0.131	0.292	0.135	0.302	0.145	0.107	0.194	0.11	-0.291	0.105	0.306	1	0.074	0.396	0.048	0.098
q27	0.26	0.071	0.45	0.121	0.303	0.304	0.141	0.117	0.31	0.188	0.327	0.317	0.061	0.205	0.381	0.163	0.262	0.466	0.29	0.646	0.37	0.053	0.005	0.574	0.08	0.074	1	0.175	0.45	0.366
q28	0.165	0.309	0.198	0.069	0.151	0.027	0.152	0.176	0.187	0.229	0.117	0.132	0.298	0.253	0.125	0.32	0.254	0.227	0.157	0.209	0.158	0.15	-0.243	0.291	0.211	0.396	0.175	1	0.161	0.129
q29	0.345	0.044	0.459	0.002	0.19	0.109	0.06	0.149	0.27	0.152	0.161	0.262	0.071	0.377	0.386	0.174	0.259	0.308	0.314	0.449	0.407	0.137	0.022	0.441	0.011	0.048	0.45	0.161	1	0.38
q30	0.189	0.102	0.454	-0.018	0.161	0.245	-0.017	0.127	0.358	0.24	0.339	0.214	0.074	0.125	0.36	0.18	0.247	0.263	0.333	0.348	0.49	0.063	0.001	0.386	0.159	0.098	0.366	0.129	0.38	1

Number of factors extracted

Total Variance Explained

	Eigenvalue	Percent of Variance	Cumulative Percent
1	7.123	23.7%	23.7%
2	2.568	8.6%	32.3%
3	1.74	5.8%	38.1%
4	1.697	5.7%	43.8%
5	1.37	4.6%	48.4%
6	1.233	4.1%	52.5%
7	1.13	3.8%	56.3%
8	1.051	3.5%	59.8%
9	1.003	3.3%	63.1%
10	0.906	3%	66.1%
11	0.881	2.9%	69%
12	0.807	2.7%	71.7%
13	0.791	2.6%	74.3%
14	0.756	2.5%	76.8%
15	0.697	2.3%	79.1%
16	0.656	2.2%	81.3%
17	0.63	2.1%	83.4%
18	0.564	1.9%	85.3%
19	0.506	1.7%	87%
20	0.484	1.6%	88.6%
21	0.476	1.6%	90.2%
22	0.442	1.5%	91.7%
23	0.428	1.4%	93.1%
24	0.398	1.3%	94.4%
25	0.346	1.2%	95.6%
26	0.331	1.1%	96.7%
27	0.308	1%	97.7%
28	0.288	1%	98.7%
29	0.228	0.8%	99.5%
30	0.163	0.5%	100%

Communalities

	communality
q1	0.575
q2	0.612
q3	0.69
q4	0.647
q5	0.637
q6	0.725
q7	0.606
q8	0.575
q9	0.619
q10	0.657
q11	0.672
q12	0.514
q13	0.741
q14	0.66
q15	0.535
q16	0.633
q17	0.532
q18	0.73
q19	0.546
q20	0.746
q21	0.659
q22	0.6
q23	0.568
q24	0.698
q25	0.72
q26	0.631
q27	0.63
q28	0.585
q29	0.661
q30	0.508

Component Matrix

	PC1	PC2	PC3	PC4	PC5	PC6	PC7	PC8	PC9
q1	0.493	-0.204	0.134	-0.026	-0.425	0.025	-0.062	0.09	0.28
q2	0.254	0.319	0.231	0.204	0.111	0.452	0.27	-0.089	-0.231
q3	0.723	-0.21	-0.195	0.091	0.014	0.122	-0.08	-0.231	0.045
q4	0.225	0.482	-0.214	-0.339	0.034	-0.367	-0.203	-0.023	-0.164
q5	0.344	0.002	0.263	-0.278	0.344	0.054	0.475	-0.014	-0.156
q6	0.437	-0.202	-0.415	0.15	-0.137	-0.169	0.423	-0.213	0.165
q7	0.281	0.485	-0.015	-0.396	-0.284	-0.113	0.065	-0.135	-0.136
q8	0.347	0.408	-0.051	-0.139	0.117	0.494	-0.053	0.068	-0.019
q9	0.545	-0.257	-0.076	0.19	-0.251	0.182	-0.15	0.225	-0.213
q10	0.387	0.372	-0.179	0.033	0.431	-0.047	-0.132	0.21	0.293
q11	0.501	-0.281	-0.215	0.356	-0.015	-0.137	0.351	0.146	0.072
q12	0.439	-0.015	0.104	-0.253	0.232	0.018	0.272	0.344	0.007
q13	0.238	0.091	0.584	0.173	-0.162	-0.376	-0.125	0.326	0.125
q14	0.379	0.27	0.433	-0.139	0.006	0.159	0.051	-0.125	0.439
q15	0.606	-0.01	-0.148	-0.105	-0.137	0.256	-0.196	-0.11	-0.011
q16	0.413	0.156	0.28	0.386	0.043	-0.059	-0.269	-0.353	-0.09
q17	0.485	-0.131	0.162	0.083	-0.178	0.076	-0.025	0.045	-0.454
q18	0.592	0.118	0.157	0.08	0.319	-0.3	-0.063	-0.372	0.025
q19	0.569	0.116	-0.35	-0.179	-0.039	0.026	-0.188	-0.043	-0.124
q20	0.729	-0.203	0.105	-0.253	0.043	-0.263	0.053	-0.005	-0.158
q21	0.727	-0.26	-0.205	0.128	0.04	-0.003	-0.016	0.031	0.036
q22	0.237	0.395	-0.044	-0.178	-0.493	0.039	0.272	0.089	0.167
q23	-0.198	-0.585	0.224	-0.061	0.298	0.052	-0.146	0.137	-0.03
q24	0.732	-0.178	0.14	-0.155	-0.136	-0.119	-0.086	0.186	-0.109
q25	0.277	0.505	-0.379	0.174	0.211	-0.072	-0.118	0.388	-0.007
q26	0.347	0.338	-0.029	0.607	0.011	-0.087	0.101	-0.084	0.051
q27	0.668	-0.213	0.047	-0.239	0.175	-0.167	0.083	-0.104	-0.054
q28	0.418	0.359	0.352	0.339	-0.059	0.012	0.035	0.137	-0.136
q29	0.593	-0.198	0.165	-0.238	0.013	0.208	-0.196	-0.095	0.31
q30	0.577	-0.224	-0.152	0.075	0.16	0.177	-0.108	0.138	0.096

Rotated Component Matrix

	RC1	RC2	RC7	RC8	RC4	RC5	RC6	RC3	RC9
q1	0.506	0.116	-0.035	-0.141	0.194	-0.088	-0.084	0.315	0.363
q2	0.036	0.065	0.159	0.019	0.005	0.094	0.753	-0.03	0.065
q3	0.673	0.005	0.08	0.069	0.297	0.292	0.07	-0.151	0.161
q4	0.056	0.573	0.134	0.354	-0.208	0.234	-0.216	-0.012	-0.165
q5	0.016	0.023	0.746	-0.039	0.054	0.068	0.247	-0.046	0.089
q6	0.259	0.159	0.105	-0.035	0.757	0.082	-0.093	-0.177	0.026
q7	0.088	0.738	0.164	0.007	-0.126	0.078	0.044	0.013	0.051
q8	0.246	0.221	0.092	0.343	-0.207	-0.068	0.454	-0.183	0.229
q9	0.712	-0.055	-0.049	-0.004	0.128	-0.087	0.171	0.191	-0.13
q10	0.087	0.044	0.137	0.746	0.05	0.157	0.022	0.016	0.21
q11	0.338	-0.122	0.166	0.104	0.69	-0.002	0.047	0.139	-0.082
q12	0.213	0.013	0.593	0.228	0.067	-0.16	0.077	0.13	0.108
q13	0.028	0.008	0.077	0.031	-0.045	0.134	-0.04	0.832	0.139
q14	0.048	0.172	0.183	0.056	-0.043	0.166	0.202	0.191	0.696
q15	0.644	0.196	0.006	0.081	0.009	0.101	0.122	-0.126	0.186
q16	0.234	0.006	-0.136	0.007	0.005	0.655	0.277	0.218	0.078
q17	0.525	0.065	0.169	-0.184	-0.012	0.11	0.278	0.216	-0.232
q18	0.207	0.082	0.295	0.164	0.139	0.721	0.015	0.076	0.148
q19	0.556	0.333	0.079	0.266	0.02	0.129	-0.027	-0.172	-0.042
q20	0.551	0.149	0.543	-0.024	0.114	0.251	-0.139	0.172	0.004
q21	0.659	-0.061	0.167	0.175	0.368	0.156	-0.001	0.018	0.051
q22	0.057	0.632	0	0.003	0.183	-0.26	0.132	0.151	0.238
q23	0.042	-0.64	0.167	-0.18	-0.211	-0.08	-0.21	0.007	-0.032
q24	0.665	0.13	0.343	0.017	0.047	0.079	-0.055	0.328	0.051
q25	0.09	0.213	-0.046	0.777	0.077	-0.016	0.128	0.079	-0.18
q26	0.027	0.098	-0.183	0.281	0.426	0.36	0.38	0.23	-0.018
q27	0.474	0.057	0.528	0.016	0.145	0.28	-0.116	0.005	0.099
q28	0.135	0.147	0.058	0.157	0.049	0.218	0.485	0.481	0.017
q29	0.556	-0.039	0.187	0.011	-0.051	0.124	-0.05	0.004	0.544
q30	0.574	-0.192	0.135	0.266	0.172	0.033	0.055	-0.033	0.134

Component Transformation Matrix

	RC1	RC2	RC3	RC4	RC5	RC6	RC7	RC8	RC9
1	0.746	0.204	0.163	0.262	0.284	0.159	0.34	0.217	0.193
2	-0.365	0.645	0.083	-0.192	0.14	0.379	-0.112	0.475	0.067
3	-0.179	-0.186	0.605	-0.362	0.204	0.258	0.262	-0.388	0.329
4	-0.064	-0.38	0.294	0.473	0.263	0.404	-0.501	0.119	-0.211
5	-0.23	-0.517	-0.296	-0.132	0.327	0.043	0.46	0.504	-0.027
6	0.237	-0.2	-0.413	-0.23	-0.375	0.647	-0.156	-0.053	0.308
7	-0.357	0.138	-0.087	0.615	-0.271	0.288	0.51	-0.225	-0.01
8	0.085	-0.164	0.496	-0.082	-0.676	-0.026	0.136	0.448	-0.189
9	-0.171	-0.102	0.046	0.291	-0.101	-0.313	-0.194	0.233	0.821

5 Αναγνώριση δομής στο ερωτηματολόγιο NEO - FFI (60 ερωτήσεις)

Μία σύντομη εκδοχή των δεδομένων παίρνουμε από το παρακάτω data frame

NEO.data = as.data.frame(structure(list(gender = structure(c(1,1,1,1,1,2,2,1,1,
  2,1,1,1,1,1,1,1,1,3,1,1,1,1,1,1,1,1,1,1,1,
  1,1,1,1,2,1,1,1,1,1,1,1,1,1,1,1,2,1,1,1,2,
  1,2,1,1,1,2,1,1,2,1,1,1,1,1,1,2,1,1,1,1,1,
  1,2,2,1,1,1,1,1,1,1,1,1,1,1,1,1,2,1,1,1,1,
  1,1,1,1,1,2,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
  1,1,1,1,1,1,1,2,2,1,1,1,2,2,1,1,1,1,1,2,1,
  1,1,1,1,1,2,2,1,2,1,1,1,2,2,1,1,1,1,1,2,1,
  1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,1,1,1,1,1,
  1,2,2,1,1,1,1,2,1,1,1,1,1,1,1,2,1,1,2,1,2,
  1,2),label = "Gender",format.spss = "F8.0",display_width = 7L,labels = c(Female = 1,
                 Male = 2,Other = 3,`Do not like to respond` = 4),class = c("haven_labelled",
                  "vctrs_vctr","double")),age = structure(c(57,54,63,55,44,
   40,57,54,53,57,54,58,52,55,46,41,57,55,51,38,55,
   56,52,59,57,55,50,59,55,60,56,53,59,55,49,56,52,
   57,43,64,57,55,53,50,53,44,51,55,55,56,52,56,52,
   38,57,49,54,52,45,54,46,49,54,45,48,47,56,52,50,
   37,51,52,60,57,53,56,54,55,58,38,56,55,64,43,49,
   55,56,54,55,42,54,56,56,55,60,56,50,40,50,51,57,
   57,54,56,58,44,57,57,60,58,61,54,57,55,45,56,57,
   55,61,58,55,41,59,47,59,55,50,42,55,59,59,54,54,
   52,50,52,55,53,57,49,49,49,60,50,46,60,54,55,57,
   50,51,56,54,58,51,53,49,53,55,50,40,51,50,46,53,
   51,58,46,54,58,43,54,50,55,55,50,56,49,45,57,55,
   48,52,56,59,57,58,52,51,61,55,55,50,62,55,53,47,
   52,57,56),label = "Age",format.spss = "F9.0",display_width = 4L),
 neo.q1 = structure(c(4,1,1,3,0,1,0,0,1,0,1,0,
  1,0,0,0,1,1,0,0,3,4,1,1,1,1,3,0,1,0,1,
  0,0,0,3,3,1,0,1,0,0,1,1,0,1,1,1,1,1,1,
  1,1,0,1,2,0,0,1,3,1,0,1,1,1,2,0,2,0,1,
  1,0,0,0,4,1,3,1,1,1,0,3,1,0,0,3,1,1,0,
  3,0,3,1,1,1,0,0,1,1,1,1,1,1,0,0,1,1,0,
  1,1,1,0,0,0,1,0,1,3,1,2,3,0,3,0,1,0,1,
  1,3,1,1,4,3,1,3,1,1,1,0,3,2,1,1,3,3,2,
  1,2,0,0,1,1,0,1,0,1,1,1,1,0,1,3,2,3,2,
  0,2,1,1,1,0,0,0,0,0,0,0,0,0,3,0,0,0,3,
  1,0,1,2,1,0,0,1,1,0,3,1,1,3,3,0,1),format.spss = "F8.0"),
 neo.q2 = structure(c(2,3,1,3,2,2,0,1,3,3,2,3,
  1,1,2,1,2,2,4,2,1,3,2,3,3,3,3,4,1,3,2,
  4,2,3,4,3,3,3,3,3,2,3,1,2,2,2,1,4,2,2,
  2,1,1,0,2,4,2,4,4,2,3,3,2,1,3,4,4,3,4,
  3,4,3,3,4,3,4,2,3,2,4,3,4,3,3,2,2,2,3,
  3,2,3,4,2,1,3,3,2,1,3,2,3,3,2,3,2,3,3,
  2,3,4,3,2,3,3,4,1,1,3,2,3,3,3,3,3,2,3,
  3,3,2,2,4,3,3,3,3,3,3,3,0,4,2,4,3,2,3,
  3,4,4,3,2,3,2,3,2,3,3,3,2,2,2,1,4,3,2,
  3,3,1,3,3,2,2,2,1,3,4,2,1,3,3,3,4,3,3,
  4,4,3,3,4,2,2,3,2,0,3,1,4,4,4,3,3),format.spss = "F8.0"),
 neo.q3 = structure(c(4,3,1,3,3,3,3,1,3,3,3,3,
  2,1,2,1,2,3,1,4,3,4,3,4,4,3,2,3,0,3,3,
  3,4,3,2,2,2,3,3,4,3,4,2,4,3,3,3,2,2,3,
  1,1,2,3,3,3,3,1,4,3,2,1,4,3,4,4,2,1,3,
  2,0,4,3,4,3,4,3,3,3,1,1,4,3,3,4,2,3,1,
  3,3,1,4,1,2,4,4,2,3,4,3,0,0,1,1,3,3,3,
  3,2,3,2,1,2,3,2,3,3,4,4,4,4,2,2,3,3,2,
  2,3,3,3,4,3,3,3,3,2,1,3,4,4,2,2,2,3,3,
  3,2,4,3,4,1,3,3,3,0,4,4,3,4,2,3,3,2,3,
  4,2,3,3,2,2,2,3,2,2,1,4,2,2,2,3,4,1,4,
  3,1,4,4,3,3,3,2,3,2,3,2,2,4,4,2,2),format.spss = "F8.0"),
 neo.q4 = structure(c(4,3,3,4,3,4,4,4,3,4,4,4,
  4,4,3,3,4,4,4,4,3,4,3,3,3,4,3,4,3,4,4,
  4,3,3,3,3,3,3,3,1,4,2,3,3,3,4,3,2,3,4,
  4,4,3,3,2,4,4,4,4,3,3,4,4,3,3,3,3,4,4,
  3,4,4,4,4,3,4,4,3,4,4,4,4,4,3,3,4,4,3,
  3,3,4,4,3,3,3,3,3,3,4,4,4,3,2,3,3,3,3,
  4,3,4,4,2,4,3,4,4,4,4,3,4,4,4,4,4,4,3,
  3,4,3,3,4,3,4,4,4,4,4,4,3,4,3,4,4,3,3,
  3,4,4,3,3,3,4,3,4,4,4,4,4,4,3,4,3,4,3,
  4,3,3,4,3,3,4,3,3,4,4,4,4,4,3,3,4,3,4,
  4,4,4,4,4,4,4,4,4,4,3,4,4,4,4,4,3),format.spss = "F8.0"),
 neo.q5 = structure(c(4,4,3,4,4,4,2,4,3,4,2,3,
  4,3,4,3,4,4,3,4,3,4,3,4,4,4,3,4,2,4,4,
  4,3,4,4,3,3,4,3,4,3,3,4,3,3,4,4,3,3,4,
  2,3,4,3,3,4,4,4,4,3,4,3,3,2,3,4,2,4,4,
  3,4,4,4,4,4,4,4,4,4,4,4,3,3,3,2,3,4,3,
  4,4,4,4,2,3,3,3,4,3,4,3,2,3,4,4,3,3,3,
  4,4,4,4,4,4,3,4,3,3,4,3,3,4,3,4,3,4,3,
  2,3,3,3,4,3,4,3,3,3,4,4,3,4,2,4,2,3,1,
  4,4,4,2,3,3,4,3,3,3,3,4,4,3,4,3,4,4,3,
  4,3,4,3,3,3,4,4,3,3,3,4,4,4,3,3,4,3,4,
  4,4,4,4,3,3,3,3,4,3,3,2,4,4,3,3,3),format.spss = "F8.0"),
 neo.q6 = structure(c(0,3,0,0,0,0,3,0,1,0,0,0,
  3,1,0,1,0,0,0,1,0,0,1,1,1,0,0,1,0,1,0,
  0,0,1,1,0,3,1,1,2,0,1,2,2,2,0,2,0,1,0,
  3,1,1,1,0,3,0,0,0,1,0,2,1,1,1,0,0,0,1,
  2,0,0,0,0,1,2,0,0,0,1,1,1,2,1,1,1,0,1,
  0,1,0,0,2,1,1,0,3,1,1,0,0,1,1,1,0,0,2,
  0,0,1,0,1,0,0,0,0,0,1,1,1,0,1,1,0,1,3,
  1,1,1,1,0,3,1,1,0,1,1,1,0,0,1,0,2,0,1,
  0,0,0,1,2,0,1,1,2,0,1,1,1,1,3,0,2,1,0,
  1,2,1,1,2,2,1,0,2,2,3,0,3,1,2,0,1,3,0,
  1,1,0,0,0,0,3,1,0,2,1,1,1,0,0,1,2),format.spss = "F8.0"),
 neo.q7 = structure(c(4,4,1,4,2,3,2,4,3,3,4,3,
  4,2,3,1,2,2,4,2,3,4,1,3,2,3,3,3,4,3,3,
  2,1,3,2,3,4,3,3,1,4,2,3,2,3,3,2,3,3,2,
  4,3,3,3,4,4,3,4,4,1,4,3,3,2,3,4,4,2,3,
  3,4,4,2,3,3,4,3,3,2,4,3,4,3,2,3,1,2,1,
  2,2,3,4,3,4,3,2,4,2,3,3,4,3,3,3,2,3,3,
  4,4,4,1,2,1,3,0,4,4,4,3,2,4,2,3,3,3,2,
  2,4,3,3,3,2,2,3,2,4,4,3,2,4,2,1,3,2,2,
  3,4,3,1,1,2,3,1,3,2,2,3,3,3,2,4,2,3,2,
  1,3,2,3,3,2,1,3,3,3,4,3,3,4,3,3,3,3,4,
  4,4,3,2,3,2,1,3,3,2,3,3,4,3,2,3,3),format.spss = "F8.0"),
 neo.q8 = structure(c(4,4,3,4,4,3,4,4,3,3,1,3,
  2,2,3,4,4,2,1,4,3,3,3,3,4,3,1,3,3,4,3,
  4,2,3,2,1,3,3,3,4,2,3,3,3,3,2,2,3,2,3,
  3,1,2,3,4,0,3,4,2,1,2,3,2,1,4,1,2,1,3,
  2,3,3,3,4,4,3,1,4,3,1,4,1,3,2,2,3,2,1,
  3,1,1,4,3,2,1,3,2,3,3,0,3,3,1,1,3,1,1,
  3,1,1,3,2,4,1,3,4,4,2,3,4,4,3,2,2,4,3,
  3,3,2,3,3,3,3,3,4,3,3,2,1,4,2,3,3,2,3,
  3,3,4,0,3,2,3,3,1,1,3,3,2,1,2,1,3,4,2,
  4,3,3,3,3,3,1,3,2,1,1,4,3,2,2,3,0,2,4,
  3,3,1,3,2,1,4,1,3,2,2,3,4,3,3,3,3),format.spss = "F8.0"),
 neo.q9 = structure(c(0,4,1,1,1,0,1,0,2,1,1,1,
  2,1,2,3,2,0,1,1,1,3,2,3,1,2,3,1,1,1,2,
  0,1,2,1,3,3,3,2,1,1,1,2,3,3,2,2,2,2,0,
  1,1,1,1,2,0,1,1,1,1,4,1,0,3,1,1,0,3,2,
  1,1,1,1,0,3,2,4,1,0,3,1,1,2,2,1,2,0,1,
  2,1,1,1,1,1,1,0,2,1,2,3,1,1,1,3,2,1,3,
  0,0,1,1,1,1,1,1,1,1,1,2,1,1,1,1,1,1,2,
  2,0,3,1,3,1,0,1,0,2,1,0,0,0,1,0,3,1,3,
  1,0,1,3,1,2,1,1,0,1,1,1,1,1,1,0,2,3,3,
  1,1,0,1,1,3,1,1,1,1,3,1,1,0,1,2,0,1,1,
  1,2,1,3,1,1,2,2,1,3,1,2,1,0,1,1,2),format.spss = "F8.0"),
 neo.q10 = structure(c(4,4,3,3,4,3,2,4,3,3,3,3,
 4,3,4,3,4,4,3,4,3,3,2,3,3,3,3,3,3,3,3,
 3,2,3,3,3,3,3,4,4,3,3,3,3,3,3,3,3,3,2,
 2,2,3,3,4,3,4,3,4,3,4,1,3,1,3,4,3,3,3,
 3,4,4,3,4,4,4,4,4,4,3,4,4,3,2,3,3,3,3,
 3,3,4,3,3,3,3,3,3,3,3,4,3,3,3,3,2,3,3,
 4,4,4,4,4,4,3,4,3,3,3,4,3,4,3,4,4,3,3,
 3,3,3,3,4,1,3,3,3,3,4,3,3,4,3,3,3,3,2,
 3,3,4,3,3,3,3,3,3,3,3,3,3,3,3,3,4,3,3,
 4,3,3,3,3,3,3,4,3,2,4,3,4,3,2,3,4,2,4,
 4,3,4,3,3,3,3,3,4,2,3,1,4,4,3,4,3),format.spss = "F8.0"),
 neo.q11 = structure(c(1,3,2,1,1,1,2,4,2,0,3,1,
 3,2,0,2,0,0,1,2,1,2,3,1,3,4,3,3,1,2,1,
 1,1,3,0,3,4,2,2,3,3,2,2,3,2,1,2,2,2,3,
 3,1,1,2,1,3,0,3,0,1,0,2,3,2,1,3,1,1,2,
 2,1,1,2,0,1,1,0,1,0,2,3,1,2,1,1,3,1,1,
 1,1,1,3,2,1,1,1,3,1,1,2,1,1,1,3,1,1,3,
 1,1,1,1,2,0,1,0,3,3,2,1,1,3,3,2,1,3,2,
 1,3,2,3,3,3,2,2,0,2,3,1,0,3,1,2,3,0,1,
 1,2,2,2,1,1,1,3,0,1,3,1,3,2,2,1,2,2,2,
 2,2,1,1,2,1,1,1,2,3,1,1,1,2,2,1,0,3,1,
 2,1,0,0,3,3,4,1,2,2,1,3,2,0,0,1,3),format.spss = "F8.0"),
 neo.q12 = structure(c(0,3,1,1,3,0,3,1,1,1,1,1,
 2,2,3,3,2,3,0,2,1,1,3,1,3,0,1,1,1,1,1,
 1,2,2,2,1,1,3,1,3,1,3,2,3,1,2,2,1,3,2,
 1,3,2,3,1,3,1,0,0,1,1,2,2,3,3,1,0,0,2,
 1,0,0,2,0,2,1,3,1,2,0,3,0,3,2,1,4,2,2,
 1,1,1,0,1,1,1,3,2,3,1,2,1,2,2,3,2,1,4,
 3,3,1,1,1,0,3,1,4,0,1,2,2,2,2,1,1,3,2,
 1,0,2,3,3,1,3,0,1,1,1,1,2,2,1,0,0,2,3,
 1,1,1,4,1,3,1,3,2,1,1,1,1,1,2,1,1,2,1,
 2,2,3,1,1,3,3,2,1,1,1,0,4,1,2,1,3,0,0,
 1,2,1,2,1,1,3,1,1,4,1,2,1,0,2,1,2),format.spss = "F8.0"),
 neo.q13 = structure(c(3,3,3,3,0,3,2,4,3,2,2,3,
 2,4,3,3,2,3,3,3,3,4,3,3,3,2,3,3,3,3,2,
 3,3,2,3,3,3,2,2,3,3,3,2,2,2,4,2,1,3,2,
 3,3,2,3,3,3,3,4,2,1,2,3,2,3,3,3,2,3,3,
 2,4,4,4,4,3,3,2,4,3,3,4,3,4,2,3,3,3,3,
 1,3,4,3,1,3,3,3,3,2,2,4,4,3,3,3,3,3,2,
 4,3,4,4,3,4,4,2,4,3,3,4,2,2,3,3,4,3,3,
 3,2,3,3,3,1,3,2,3,4,2,3,2,4,2,4,2,2,2,
 3,3,3,3,3,4,3,3,3,2,3,3,3,1,2,2,3,3,2,
 2,3,4,2,3,3,2,4,3,3,4,2,0,3,4,3,4,4,2,
 4,4,3,3,3,3,3,3,3,3,3,2,2,2,3,3,3),format.spss = "F8.0"),
 neo.q14 = structure(c(0,0,2,1,0,0,1,0,2,3,1,1,
 0,0,0,1,0,1,1,0,1,1,1,1,1,0,1,1,0,1,1,
 0,2,2,1,1,2,1,1,3,0,1,1,1,1,1,2,1,1,0,
 1,0,2,2,2,0,2,0,2,1,3,1,2,2,3,3,2,1,1,
 1,2,0,0,0,1,1,1,1,2,1,1,1,2,0,0,1,1,2,
 1,2,0,1,0,1,1,2,1,2,1,3,0,2,0,2,3,1,1,
 1,0,1,2,2,2,1,1,0,0,1,1,3,2,3,2,2,1,1,
 2,1,1,2,2,3,0,1,0,0,0,1,0,1,1,3,1,2,1,
 0,1,1,3,2,2,1,1,1,1,0,1,1,1,1,1,1,3,2,
 3,1,1,2,1,0,0,1,1,1,1,1,0,1,2,0,0,0,0,
 1,1,0,0,3,0,0,0,0,0,1,1,1,2,0,0,2),format.spss = "F8.0"),
 neo.q15 = structure(c(0,3,2,1,0,1,2,0,1,1,2,1,
 0,0,0,0,0,0,0,0,1,1,1,1,0,0,1,1,1,0,0,
 0,1,1,1,1,2,1,3,0,1,1,1,1,1,0,1,1,1,3,
 1,1,0,0,0,0,1,0,0,1,1,1,0,2,2,0,2,1,1,
 1,0,0,0,0,1,1,0,0,0,1,1,0,2,0,1,1,0,1,
 3,0,NA,1,3,1,1,0,1,1,0,1,1,2,0,1,1,0,3,
 0,0,0,0,0,0,1,0,1,0,0,1,3,1,1,0,1,1,2,
 2,1,1,2,0,1,1,0,0,1,3,1,0,0,1,0,0,0,1,
 1,1,1,1,1,1,1,1,1,1,0,1,1,1,3,1,1,1,1,
 0,1,1,1,1,2,0,0,1,2,1,1,1,0,1,1,0,1,0,
 1,1,0,2,3,0,0,1,0,0,1,2,1,0,0,1,2),format.spss = "F8.0"),
 neo.q16 = structure(c(2,3,3,3,2,4,3,3,2,2,3,3,
 2,3,4,0,4,2,1,1,3,2,3,3,1,3,3,3,3,3,3,
 2,3,3,2,3,3,1,3,3,1,2,2,1,2,1,1,3,1,3,
 1,1,1,2,1,3,3,0,2,3,1,2,3,2,2,1,4,1,3,
 1,4,1,1,4,1,4,3,4,4,2,4,3,3,2,3,1,4,1,
 1,3,3,3,3,3,1,1,3,1,2,3,1,3,1,1,3,3,3,
 4,4,3,1,2,0,1,3,0,4,2,2,3,0,3,3,3,3,3,
 3,3,3,3,4,1,3,3,4,3,3,3,4,2,3,2,2,3,2,
 3,3,3,3,3,1,3,1,4,1,1,1,3,1,3,3,3,2,3,
 4,3,3,1,1,1,3,2,3,2,3,1,1,1,2,3,3,3,3,
 3,3,3,3,1,1,3,3,3,4,3,1,3,1,0,3,3),format.spss = "F8.0"),
 neo.q17 = structure(c(4,3,4,3,4,4,2,4,3,3,2,4,
 3,3,4,2,4,3,4,3,3,3,3,4,3,2,3,3,2,3,4,
 2,2,3,3,3,3,3,3,3,2,3,3,2,2,3,2,3,2,2,
 4,1,2,1,4,4,3,4,4,3,3,3,3,2,3,4,3,3,3,
 3,4,4,3,4,3,4,3,3,3,4,4,4,4,3,3,3,3,4,
 2,3,3,3,3,2,3,4,3,2,3,3,4,3,2,3,2,3,4,
 3,4,4,4,2,4,1,2,3,3,4,2,3,3,3,3,4,3,3,
 3,4,2,3,3,3,2,3,4,4,4,3,3,4,4,4,3,3,2,
 4,4,4,4,3,3,3,3,3,3,3,4,3,2,3,2,4,3,2,
 3,3,2,3,3,3,1,2,3,2,4,3,2,4,2,3,4,3,4,
 4,3,4,3,3,2,2,3,4,4,3,3,4,4,4,3,3),format.spss = "F8.0"),
 neo.q18 = structure(c(4,1,4,1,1,0,1,0,3,1,3,1,
 1,1,3,3,1,1,2,2,1,1,1,1,1,4,3,3,1,2,3,
 0,2,3,1,3,2,1,1,0,1,2,2,1,2,0,1,2,2,3,
 1,0,2,3,0,0,2,0,0,1,0,3,2,1,2,0,0,0,1,
 1,1,1,2,4,2,1,1,1,1,1,3,2,3,0,2,0,1,1,
 2,0,1,1,1,2,1,4,1,4,1,1,1,3,1,1,4,2,1,
 1,2,1,2,1,2,0,1,0,1,2,1,1,3,2,3,1,1,1,
 2,2,3,1,1,3,1,1,0,3,1,3,1,2,1,2,3,3,3,
 1,3,3,4,1,2,3,3,1,2,1,3,1,0,3,3,1,3,3,
 2,2,3,1,1,1,0,3,1,1,0,2,1,2,2,2,0,3,1,
 3,0,1,2,3,1,1,1,3,1,1,2,2,1,2,2,3),format.spss = "F8.0"),
 neo.q19 = structure(c(1,3,4,2,0,4,2,2,3,3,4,4,
 2,4,2,3,3,4,3,3,1,3,3,3,4,4,3,4,2,1,4,
 2,4,3,3,3,3,3,3,0,3,2,3,4,3,4,2,4,3,4,
 4,4,2,3,1,2,3,4,2,3,1,2,3,1,3,4,4,4,3,
 3,4,4,3,0,3,3,3,4,2,4,3,4,3,2,3,2,4,3,
 3,3,3,3,3,3,3,3,3,3,2,3,4,3,3,3,4,3,4,
 3,0,4,1,3,1,3,2,1,4,4,3,3,3,1,1,3,3,4,
 3,4,3,3,1,1,4,3,3,3,3,3,4,4,4,3,4,3,3,
 3,4,3,4,4,4,4,3,3,3,4,3,3,3,2,4,4,3,3,
 3,3,3,4,2,3,3,2,3,2,4,2,1,3,2,1,4,4,2,
 4,4,3,3,1,3,4,3,4,4,3,4,4,4,3,4,3),format.spss = "F8.0"),
 neo.q20 = structure(c(4,4,4,4,4,3,4,4,3,3,4,4,
 4,4,4,4,4,4,4,4,3,3,4,4,4,4,3,3,3,3,3,
 4,4,3,4,3,3,3,4,0,4,4,4,4,3,4,3,4,3,4,
 4,4,3,3,4,4,4,4,4,4,3,3,4,3,3,4,3,4,3,
 3,4,4,4,4,3,4,4,4,4,4,4,4,3,4,4,4,4,4,
 3,3,4,4,4,3,3,4,3,3,4,4,4,4,4,4,4,3,4,
 4,4,4,4,4,4,3,4,4,4,4,3,4,4,3,4,4,3,4,
 3,4,3,3,4,1,4,4,4,4,3,3,4,4,3,4,4,3,4,
 3,4,4,3,4,4,3,3,3,3,4,4,3,3,4,4,4,4,3,
 4,3,3,3,3,4,3,4,3,4,4,4,4,4,3,2,4,4,4,
 4,4,4,4,1,4,4,3,4,4,3,4,4,4,4,4,3),format.spss = "F8.0"),
 neo.q21 = structure(c(2,4,1,2,4,1,2,1,3,2,3,3,
 3,3,3,3,2,4,1,1,1,3,3,1,2,3,2,1,3,2,1,
 1,3,3,3,2,3,3,2,2,2,1,3,3,3,1,3,2,1,2,
 3,3,2,3,1,3,2,3,2,1,2,1,1,2,2,2,2,1,3,
 2,0,0,1,1,3,3,1,1,1,2,2,3,1,2,2,1,1,3,
 1,0,0,3,1,2,3,1,3,1,2,1,4,2,1,4,3,1,1,
 1,0,2,1,2,1,1,1,4,3,3,2,2,3,2,2,1,4,3,
 2,1,3,1,3,3,1,1,3,3,1,1,1,2,1,1,2,1,2,
 1,0,1,2,1,1,2,1,3,1,2,2,2,3,2,3,2,2,2,
 3,2,3,2,1,3,1,3,1,2,1,1,3,1,2,1,0,4,1,
 3,1,1,0,3,1,3,1,0,1,1,2,2,0,0,3,2),format.spss = "F8.0"),
 neo.q22 = structure(c(4,2,4,4,4,0,3,1,3,3,3,3,
 2,2,4,4,4,3,3,3,3,2,2,3,3,3,3,3,3,3,2,
 2,2,3,3,3,3,3,3,0,3,3,2,3,3,2,2,3,2,2,
 3,1,2,0,4,4,4,4,4,1,3,3,3,2,3,4,4,3,3,
 2,4,3,4,4,3,3,4,3,3,4,3,4,2,4,3,2,3,3,
 2,3,4,3,3,3,3,3,1,3,1,4,4,3,2,3,4,3,3,
 4,4,4,4,2,4,3,2,4,4,3,3,3,3,4,3,3,3,2,
 3,3,1,3,3,1,3,3,4,3,3,3,3,4,3,3,3,3,3,
 2,4,4,4,2,3,3,3,3,3,3,4,2,3,4,4,4,3,3,
 3,3,3,2,3,3,3,4,3,3,4,4,3,3,4,3,4,4,3,
 3,3,4,3,2,1,1,3,3,1,3,3,4,3,3,3,3),format.spss = "F8.0"),
 neo.q23 = structure(c(0,4,2,2,4,1,1,0,1,3,3,1,
 4,0,2,3,2,2,3,1,3,4,2,2,0,4,2,1,3,1,3,
 2,1,1,2,2,3,2,2,2,1,0,2,2,1,0,4,3,2,4,
 1,3,4,2,4,3,1,3,1,2,1,2,3,2,2,1,1,3,3,
 2,2,2,3,2,3,3,1,1,1,1,1,1,2,2,2,1,2,1,
 1,0,1,2,3,1,1,1,3,3,3,1,0,2,1,2,1,0,2,
 1,0,1,2,2,2,1,2,0,3,1,0,4,2,2,1,2,2,3,
 2,3,2,1,2,3,2,2,2,4,4,1,2,0,2,3,0,2,3,
 3,0,4,1,2,1,1,1,2,2,2,1,1,3,2,3,2,2,2,
 4,2,4,2,2,1,2,4,2,2,0,2,4,3,2,1,2,2,2,
 1,0,1,2,3,0,2,2,2,1,1,1,3,2,1,2,3),format.spss = "F8.0"),
 neo.q24 = structure(c(2,3,1,1,0,2,2,1,1,3,1,1,
 2,2,1,3,3,1,2,1,1,1,1,1,2,4,1,1,1,1,2,
 3,0,1,1,1,3,2,3,1,1,1,2,1,1,2,2,2,3,1,
 2,1,2,2,3,1,2,2,3,1,3,2,1,2,1,1,2,0,1,
 2,0,0,0,0,1,3,0,1,2,1,1,1,3,0,1,2,1,1,
 2,3,2,0,2,2,1,1,3,2,1,0,1,1,1,3,2,2,3,
 1,0,2,2,2,2,1,1,3,0,1,3,1,3,4,2,1,2,3,
 1,1,2,1,3,2,1,0,0,3,2,1,1,2,1,3,1,3,3,
 1,2,2,2,0,3,1,1,1,1,3,1,1,1,2,1,2,2,3,
 1,1,1,2,1,1,2,1,0,2,1,0,0,0,2,1,0,0,2,
 1,0,1,0,1,1,2,1,1,0,1,2,1,3,1,3,2),format.spss = "F8.0"),
 neo.q25 = structure(c(4,4,3,3,4,3,3,3,3,3,1,3,
 3,3,4,4,4,3,3,3,3,3,0,3,3,3,3,3,3,4,3,
 3,2,3,3,3,3,3,3,0,2,2,3,2,3,3,2,3,2,2,
 3,2,3,2,4,4,3,3,4,3,3,3,4,3,3,4,4,3,2,
 3,4,4,3,4,4,4,4,4,4,3,4,1,3,3,3,1,4,3,
 3,4,3,3,1,3,3,3,3,3,3,2,2,2,3,3,3,3,2,
 3,4,4,4,4,4,3,3,3,3,4,3,4,4,3,3,3,4,3,
 2,3,3,3,3,1,3,3,3,4,3,3,4,0,3,3,3,3,2,
 3,4,4,1,3,3,3,3,3,3,2,4,3,3,4,2,3,3,3,
 2,2,3,3,3,1,3,3,2,3,3,4,2,3,2,3,4,1,4,
 3,4,4,4,3,3,3,3,4,3,3,3,4,4,3,3,4),format.spss = "F8.0"),
 neo.q26 = structure(c(0,0,0,1,0,0,2,0,1,1,0,1,
 0,0,0,1,0,0,4,1,1,1,0,1,1,0,1,1,1,0,0,
 0,0,1,1,1,1,0,2,0,0,1,1,1,1,0,1,4,1,0,
 2,3,1,0,1,0,0,0,0,1,0,1,0,1,1,4,0,0,1,
 1,0,0,0,0,1,1,1,0,0,1,0,0,2,0,0,0,0,3,
 0,0,0,0,2,1,1,0,1,4,0,0,1,1,0,1,1,0,1,
 0,0,0,0,1,0,0,0,3,0,1,1,0,0,1,1,0,0,1,
 1,1,1,1,0,1,1,0,0,1,1,1,0,0,1,0,0,0,1,
 0,0,0,1,0,1,1,1,1,1,0,0,1,1,0,0,1,2,1,
 1,2,1,0,1,2,0,0,1,1,1,0,0,1,2,3,0,1,0,
 1,0,0,0,0,0,3,0,0,0,1,2,1,1,0,0,0),format.spss = "F8.0"),
 neo.q27 = structure(c(3,4,0,1,4,3,4,1,2,2,1,1,
 1,4,3,3,2,2,4,2,1,3,3,1,3,1,3,1,3,1,1,
 1,2,1,2,3,2,3,1,1,1,1,3,2,1,2,3,2,1,1,
 2,3,3,3,0,2,2,0,0,1,3,2,3,2,3,0,0,0,1,
 2,0,1,0,0,3,1,1,1,2,1,3,3,3,0,2,2,3,1,
 2,3,3,3,3,3,1,1,1,0,4,1,3,2,2,3,1,3,3,
 1,2,1,1,2,2,1,1,3,1,1,3,1,3,4,1,1,3,3,
 2,1,1,1,0,1,3,1,3,2,1,1,3,2,1,2,2,2,3,
 1,0,2,1,1,2,3,1,1,1,2,1,1,2,2,1,2,2,3,
 3,2,1,2,1,2,1,1,3,3,1,3,3,2,3,1,0,3,1,
 3,1,1,2,1,1,3,3,2,2,1,1,3,3,1,1,2),format.spss = "F8.0"),
 neo.q28 = structure(c(4,2,1,3,2,1,4,3,3,2,4,1,
 1,4,4,1,1,1,3,2,2,3,3,3,3,2,2,2,1,3,3,
 3,3,1,1,3,3,1,1,0,1,4,2,0,1,4,1,1,1,0,
 1,3,1,3,0,2,4,4,4,1,3,3,3,1,3,3,2,0,2,
 2,1,3,3,4,1,3,3,3,2,4,4,3,3,3,2,3,2,2,
 2,3,3,1,4,2,3,1,2,3,2,3,4,3,1,4,3,3,1,
 2,3,2,2,3,3,3,2,1,2,2,3,1,3,1,2,4,1,4,
 3,1,1,2,1,3,2,0,3,2,2,1,1,4,1,4,4,3,3,
 1,3,2,2,1,3,1,1,2,2,3,1,3,2,2,4,2,3,3,
 3,1,3,2,2,2,1,3,2,3,3,3,3,2,3,1,0,1,4,
 4,4,3,4,2,3,1,1,2,4,3,3,4,0,0,3,1),format.spss = "F8.0"),
 neo.q29 = structure(c(0,4,3,3,4,3,2,1,3,3,3,3,
 2,3,3,3,3,3,3,2,1,3,3,3,4,3,3,2,1,1,2,
 3,2,3,3,3,3,2,3,1,1,2,3,1,2,2,3,2,2,3,
 3,2,3,3,4,1,2,3,2,1,3,3,4,3,3,3,1,0,3,
 3,2,1,0,1,2,3,1,1,2,2,3,1,2,2,2,1,3,1,
 1,4,2,1,3,3,1,3,3,2,3,3,1,2,2,1,3,1,3,
 1,4,3,2,3,0,1,2,3,1,2,2,2,2,3,1,1,3,2,
 3,2,1,1,3,1,3,3,3,3,1,1,1,4,1,3,3,2,3,
 3,2,2,3,1,1,3,2,1,2,2,2,3,2,2,1,3,3,2,
 4,2,1,2,1,1,2,0,3,2,1,2,4,1,3,1,1,1,1,
 3,1,1,2,1,1,3,3,4,4,2,2,3,2,2,3,3),format.spss = "F8.0"),
 neo.q30 = structure(c(0,0,3,0,0,1,3,0,1,1,3,1,
 0,1,0,1,1,0,0,2,0,1,1,1,1,0,1,1,1,1,1,
 0,1,0,1,1,1,1,1,0,1,0,2,1,1,1,2,3,1,0,
 1,1,2,1,1,1,3,0,0,1,1,2,1,1,1,0,0,1,0,
 1,1,0,0,0,1,1,0,0,0,0,1,0,1,1,1,1,1,0,
 0,0,1,1,3,1,0,1,1,4,1,0,1,1,0,1,2,2,3,
 0,0,0,0,1,0,0,0,0,0,1,1,0,1,2,1,1,1,1,
 2,1,1,1,1,1,1,0,0,0,1,1,0,0,1,1,2,4,2,
 0,0,0,1,0,1,1,1,1,1,1,1,1,2,1,1,2,2,2,
 0,2,0,0,1,1,1,1,1,0,0,3,3,0,2,1,0,1,0,
 1,1,0,1,1,0,1,1,0,0,1,0,1,0,0,0,1),format.spss = "F8.0"),
 neo.q31 = structure(c(4,3,1,3,2,3,2,1,2,3,1,3,
 1,1,3,3,2,1,1,2,3,2,3,3,2,3,3,1,3,3,3,
 1,3,1,2,3,2,1,3,2,2,1,1,2,1,3,1,2,2,2,
 1,1,2,2,1,2,2,1,3,3,3,1,2,2,1,1,2,3,2,
 2,0,0,1,4,3,1,3,3,4,2,3,3,3,2,3,1,2,1,
 2,1,3,1,1,2,1,3,1,1,1,3,1,2,2,1,3,3,1,
 4,4,3,3,2,4,1,2,3,4,2,3,3,2,3,2,2,1,2,
 3,3,1,3,1,1,3,3,4,1,1,2,4,1,3,3,2,4,3,
 3,3,4,2,3,1,3,1,1,3,1,1,2,2,3,3,2,2,1,
 2,2,3,1,2,2,3,2,1,2,2,3,3,2,2,2,4,1,3,
 1,3,3,3,1,1,3,3,3,1,3,1,3,3,0,1,1),format.spss = "F8.0"),
 neo.q32 = structure(c(2,2,3,2,3,1,2,3,3,3,2,1,
 2,3,1,2,4,1,3,2,2,1,2,2,2,1,2,1,3,3,2,
 2,1,4,3,2,2,1,3,0,2,2,2,2,1,2,1,3,2,1,
 2,2,2,0,1,3,2,1,4,2,2,2,1,2,2,2,3,3,1,
 2,4,1,2,4,3,3,3,1,3,3,3,1,2,2,2,1,2,3,
 2,1,3,1,1,2,3,3,3,3,2,3,3,2,1,1,3,2,NA,
 3,4,3,1,2,3,1,2,1,2,2,2,1,1,3,2,2,1,2,
 1,1,2,1,3,3,1,2,3,3,3,2,3,4,2,3,3,2,2,
 2,3,2,3,1,3,3,3,0,2,1,2,2,1,3,3,4,3,2,
 3,2,3,2,2,2,3,2,3,2,3,3,2,3,2,2,3,3,2,
 3,3,2,0,3,1,2,3,2,0,1,2,2,3,3,3,3),format.spss = "F8.0"),
 neo.q33 = structure(c(2,2,3,1,0,1,2,0,1,1,1,1,
 1,1,0,0,1,1,2,2,1,1,1,1,3,2,1,1,1,1,2,
 0,2,2,0,1,2,1,1,0,0,1,1,1,1,1,2,3,1,2,
 1,1,2,3,1,4,2,1,1,1,2,2,1,1,3,1,2,1,1,
 2,2,0,2,1,1,1,0,1,3,1,3,1,1,0,0,2,1,0,
 3,3,1,1,0,1,2,1,1,2,2,0,1,2,1,1,1,1,1,
 1,1,0,1,2,2,0,2,0,1,1,1,3,2,2,0,1,1,1,
 2,1,1,3,4,1,2,1,1,1,2,1,1,2,1,2,2,3,1,
 1,3,3,1,1,1,1,3,0,2,2,0,1,1,2,1,1,3,3,
 2,2,1,1,1,2,1,1,1,3,3,3,2,2,2,1,0,3,1,
 1,1,1,2,0,0,2,1,2,0,1,1,1,1,1,1,1),format.spss = "F8.0"),
 neo.q34 = structure(c(4,3,4,3,4,3,3,3,3,2,3,2,
 3,4,2,1,2,3,3,4,3,3,3,3,3,2,3,3,3,3,3,
 3,4,3,3,3,3,2,3,1,3,2,3,2,3,2,2,2,2,3,
 2,3,2,3,1,4,2,4,3,3,3,3,2,3,3,3,3,3,3,
 3,3,4,3,3,3,3,1,3,3,3,3,3,3,3,3,2,3,3,
 3,3,3,3,3,3,2,3,3,3,3,1,2,2,1,2,2,3,3,
 3,4,3,3,2,2,1,4,4,2,3,3,2,4,3,3,3,3,2,
 3,3,3,3,3,3,3,3,3,3,3,3,2,4,2,3,3,3,2,
 3,3,4,3,3,2,3,3,2,3,3,3,3,3,2,3,4,3,2,
 2,3,3,2,2,2,3,2,2,3,3,3,3,3,2,3,4,3,3,
 3,4,3,3,3,3,3,4,4,4,3,3,3,3,2,3,3),format.spss = "F8.0"),
 neo.q35 = structure(c(2,4,1,3,4,3,3,4,3,3,3,3,
 4,4,4,4,4,4,3,4,3,2,3,3,3,3,3,3,3,4,4,
 4,4,3,3,3,3,3,3,4,3,2,3,3,3,4,2,3,3,3,
 3,3,2,3,4,4,4,4,4,3,3,3,4,3,4,4,4,3,4,
 2,4,4,3,3,4,4,4,4,4,4,4,3,3,3,3,3,3,4,
 3,4,3,3,3,3,3,4,3,3,4,1,3,3,4,3,3,3,3,
 4,3,4,4,4,4,4,4,4,4,4,3,4,4,4,3,4,3,3,
 3,3,2,3,4,3,3,3,4,4,3,3,3,4,3,4,3,3,3,
 3,4,4,3,3,3,3,3,3,3,3,4,3,3,4,3,4,3,3,
 4,3,3,2,3,2,3,3,3,3,4,4,2,4,2,3,4,3,4,
 3,4,4,4,3,3,3,3,4,3,3,3,3,4,4,4,3),format.spss = "F8.0"),
 neo.q36 = structure(c(0,4,0,2,4,1,1,1,3,2,3,3,
 3,3,1,3,2,1,2,2,1,3,3,1,3,4,1,1,3,1,2,
 2,1,1,2,1,2,3,3,2,3,1,3,1,2,2,3,2,1,1,
 1,3,2,3,4,4,2,2,3,2,2,2,3,2,3,1,2,1,4,
 3,2,3,2,1,3,3,1,1,1,2,1,1,3,2,1,2,1,1,
 2,4,3,1,1,2,1,3,3,2,1,1,1,2,2,3,2,1,3,
 2,4,3,3,2,3,2,2,4,1,3,3,2,4,1,2,1,3,2,
 3,1,1,2,4,1,1,1,0,4,2,1,0,4,1,2,3,1,3,
 2,1,2,3,0,2,1,1,0,1,3,1,1,1,2,2,3,3,2,
 4,2,2,2,2,1,1,2,3,3,3,2,1,1,2,2,2,3,1,
 1,2,1,1,2,1,3,1,4,2,1,2,1,1,0,1,3),format.spss = "F8.0"),
 neo.q37 = structure(c(3,4,4,1,4,3,2,4,3,2,3,3,
 3,3,3,3,2,2,4,3,3,3,2,3,2,3,3,3,3,3,3,
 3,2,3,2,3,3,2,3,3,4,2,2,1,3,2,2,3,2,2,
 3,2,2,1,3,3,3,4,4,3,3,3,2,2,3,3,4,3,3,
 3,4,3,3,4,3,3,3,4,3,3,2,3,3,2,3,1,3,3,
 3,4,3,3,3,2,2,3,3,1,4,1,3,2,1,2,3,3,2,
 3,4,4,3,2,3,3,4,3,4,4,2,3,4,3,2,3,1,2,
 2,3,2,2,4,3,3,3,4,3,2,3,3,4,2,3,4,2,3,
 3,4,3,2,3,2,3,3,3,3,3,3,3,4,2,3,3,3,3,
 4,3,2,3,3,2,3,2,3,3,4,3,1,3,3,3,3,3,4,
 4,3,3,3,3,3,1,3,4,2,3,3,4,4,3,3,3),format.spss = "F8.0"),
 neo.q38 = structure(c(2,4,4,3,4,0,3,1,3,1,0,1,
 2,2,2,2,3,2,2,3,2,2,1,1,1,2,1,2,2,2,2,
 2,2,1,2,1,2,2,2,3,2,1,2,1,1,0,1,1,2,2,
 1,0,1,3,0,1,2,0,0,2,1,2,4,1,2,2,3,2,1,
 3,2,3,1,4,2,2,2,3,1,1,2,0,1,1,1,1,3,1,
 2,1,3,1,1,3,1,4,3,0,3,1,0,1,2,1,3,4,2,
 1,2,2,4,2,4,2,2,1,2,1,1,3,4,1,0,1,1,1,
 2,3,1,1,3,1,2,1,3,1,0,1,3,4,1,2,0,0,2,
 2,2,2,2,2,2,2,3,0,2,2,1,0,0,0,0,2,2,2,
 4,1,1,2,2,0,1,1,3,2,3,2,0,2,2,0,0,2,2,
 1,2,3,2,2,2,1,1,3,0,1,2,2,1,2,1,1),format.spss = "F8.0"),
 neo.q39 = structure(c(0,3,0,1,0,0,1,0,1,3,0,1,
 1,0,3,3,2,1,0,1,1,1,1,1,1,0,1,1,1,1,1,
 0,0,1,2,1,1,1,3,1,0,1,3,1,1,1,2,2,2,1,
 1,0,2,3,1,0,2,0,1,1,3,2,3,2,2,1,1,1,0,
 1,0,0,3,2,1,1,1,0,2,1,0,0,2,2,1,2,2,3,
 3,2,0,1,0,1,1,1,3,2,0,1,1,2,2,1,4,1,1,
 0,0,1,2,2,2,0,0,0,2,1,3,1,1,2,2,0,1,1,
 1,1,1,2,2,1,2,0,1,3,1,1,0,4,1,1,1,2,3,
 0,2,0,4,1,2,1,1,2,1,1,1,1,0,1,0,1,2,2,
 4,1,1,1,1,1,1,3,1,4,0,2,3,0,2,0,0,0,0,
 1,0,2,0,0,0,3,1,0,0,1,0,1,0,1,4,2),format.spss = "F8.0"),
 neo.q40 = structure(c(4,4,4,4,4,4,4,3,3,4,3,3,
 3,4,4,4,4,3,3,4,3,3,3,3,3,4,3,3,4,4,3,
 3,4,3,2,3,3,3,4,3,4,4,3,3,3,4,3,3,3,3,
 3,3,3,3,4,4,4,4,4,3,3,4,4,3,2,4,4,4,1,
 3,4,4,4,4,4,3,4,4,3,4,4,4,3,4,3,4,4,4,
 3,4,4,3,4,3,3,4,3,3,3,3,3,3,4,3,3,4,4,
 4,4,4,4,4,4,4,4,4,4,3,3,4,4,3,3,4,3,3,
 3,3,3,2,4,3,3,3,4,4,3,3,4,4,3,4,4,3,3,
 3,4,3,3,4,3,3,3,3,3,3,4,3,4,4,4,4,4,3,
 4,3,3,4,3,3,3,4,3,2,4,4,4,4,2,3,4,3,4,
 4,3,3,3,3,4,4,3,4,4,3,3,4,4,3,0,3),format.spss = "F8.0"),
 neo.q41 = structure(c(2,3,0,0,2,0,3,1,2,1,2,1,
 0,3,0,1,0,1,1,3,1,3,2,1,3,1,1,1,1,1,1,
 2,2,1,0,1,2,2,1,1,1,1,2,2,1,0,2,1,1,3,
 1,3,1,1,1,3,1,1,0,1,2,2,1,2,1,1,0,2,1,
 2,0,1,1,0,1,1,1,0,0,2,1,0,1,2,2,1,1,1,
 1,0,1,2,2,1,1,1,1,3,1,1,1,2,0,3,1,1,3,
 1,0,1,1,1,1,0,1,3,1,2,1,1,3,1,1,1,1,2,
 1,1,1,1,4,1,1,1,0,1,1,1,0,0,1,1,2,0,2,
 1,0,1,1,1,1,1,1,0,1,3,1,1,0,1,1,2,2,1,
 1,2,1,1,3,2,1,1,2,0,1,1,3,1,2,2,1,3,0,
 3,1,1,1,1,0,3,1,1,0,1,3,2,0,1,3,1),format.spss = "F8.0"),
 neo.q42 = structure(c(0,3,4,0,2,0,2,0,1,1,1,1,
 0,0,2,1,1,2,0,1,1,1,2,1,1,0,1,1,1,1,1,
 1,1,1,3,1,1,1,1,1,0,2,2,3,1,1,2,1,2,2,
 1,0,1,3,1,4,0,0,0,1,2,2,1,3,1,0,0,0,1,
 1,0,0,1,0,1,1,1,0,0,1,1,0,1,1,1,2,1,1,
 1,0,1,1,0,1,1,1,1,2,1,0,1,2,2,1,0,1,3,
 1,0,0,1,2,0,1,0,1,0,4,2,1,1,1,1,0,3,1,
 1,0,1,2,0,1,1,0,0,1,1,1,0,0,1,1,0,1,1,
 0,0,0,3,0,3,1,1,0,1,1,0,1,0,0,0,1,2,1,
 0,1,1,1,1,2,1,1,1,3,0,0,3,0,2,1,0,0,0,
 1,1,0,1,0,1,3,1,0,3,1,2,1,3,0,0,1),format.spss = "F8.0"),
 neo.q43 = structure(c(0,0,2,2,4,3,2,4,3,2,2,3,
 2,4,3,2,2,3,1,3,2,3,2,2,3,2,2,3,3,2,2,
 2,2,3,4,2,3,2,2,2,4,3,2,1,3,3,1,1,3,2,
 3,3,0,3,0,1,3,3,3,2,2,2,3,1,2,3,2,3,1,
 2,4,2,2,2,2,3,3,3,2,3,3,3,2,4,3,2,3,4,
 2,3,3,2,1,2,3,3,3,4,1,3,4,2,2,3,3,2,3,
 3,2,3,2,2,3,4,2,3,2,3,4,0,1,3,3,3,3,2,
 3,2,2,3,3,2,2,2,1,1,3,3,2,3,2,4,0,2,1,
 2,3,2,2,2,3,3,3,2,2,2,3,3,1,2,1,4,2,2,
 1,1,1,2,2,3,1,2,2,4,3,2,0,1,3,3,1,1,2,
 4,3,3,1,3,3,2,2,2,0,3,1,3,0,0,3,3),format.spss = "F8.0"),
 neo.q44 = structure(c(0,4,2,0,4,2,3,1,1,2,0,1,
 1,2,3,4,3,1,1,2,1,0,1,1,3,0,1,1,1,1,1,
 0,0,1,2,1,1,2,1,1,0,1,0,2,1,2,2,2,3,0,
 1,0,2,3,4,0,2,0,4,1,2,1,3,2,1,0,1,0,1,
 1,0,0,0,0,3,1,1,1,1,2,0,1,1,0,1,1,2,0,
 1,0,0,1,0,0,1,1,1,2,1,0,1,1,3,1,1,0,NA,
 1,0,1,0,2,0,0,0,0,1,1,2,1,2,4,0,1,1,1,
 1,1,1,3,1,1,1,0,0,2,1,0,0,4,1,2,2,2,0,
 0,0,0,2,0,1,1,3,0,1,0,1,1,0,1,1,1,2,2,
 1,1,1,1,1,1,1,1,1,1,0,1,1,0,2,1,1,1,0,
 3,1,1,0,0,1,0,1,0,0,1,1,2,2,0,1,3),format.spss = "F8.0"),
 neo.q45 = structure(c(0,0,0,0,0,0,0,1,1,1,0,1,
 1,0,0,0,0,0,1,0,1,0,1,1,1,0,1,1,1,1,1,
 0,3,1,1,1,3,1,1,1,2,1,0,1,1,0,1,1,1,0,
 1,1,1,1,3,0,1,1,0,1,1,1,1,1,1,0,1,0,1,
 1,0,0,0,0,1,1,0,0,0,0,0,0,1,0,1,0,4,0,
 1,0,0,1,0,2,1,0,1,2,1,1,4,1,0,1,1,1,1,
 0,0,0,0,0,0,0,0,3,0,1,1,0,1,1,2,1,1,1,
 2,1,1,1,1,1,0,0,0,1,1,1,0,0,1,1,1,1,0,
 1,0,0,1,1,2,3,1,0,1,0,0,1,0,0,1,3,2,1,
 0,1,1,0,1,1,1,4,1,1,0,1,0,4,2,1,0,3,0,
 1,1,0,0,1,0,1,1,0,0,1,1,1,0,0,1,1),format.spss = "F8.0"),
 neo.q46 = structure(c(3,2,2,2,2,3,3,2,2,2,2,3,
 3,1,1,0,3,2,1,2,3,1,2,2,2,1,3,3,3,3,3,
 3,3,2,2,3,3,1,3,1,3,1,3,1,2,3,1,3,1,3,
 1,1,1,1,4,1,3,1,2,3,1,1,3,2,1,3,1,4,3,
 2,4,1,1,4,3,1,3,1,3,2,3,3,2,2,3,1,3,1,
 2,2,3,3,3,3,1,3,1,3,3,3,1,2,2,1,3,1,1,
 3,4,2,1,2,0,1,4,1,4,2,2,3,0,2,2,3,3,2,
 2,4,3,3,3,3,3,2,2,1,3,2,4,2,2,4,2,4,3,
 3,4,4,2,3,2,2,3,3,3,2,1,2,1,3,3,3,2,1,
 1,3,3,1,1,1,3,1,3,2,3,0,3,1,2,3,3,3,3,
 2,3,3,3,3,1,1,3,3,2,3,1,3,4,0,3,1),format.spss = "F8.0"),
 neo.q47 = structure(c(4,2,0,3,4,4,4,3,3,3,2,3,
 3,4,4,4,4,3,3,2,3,3,3,3,3,4,3,3,3,3,2,
 4,3,3,4,3,3,2,3,3,3,1,1,1,3,2,1,3,1,1,
 2,3,1,3,1,4,4,3,4,3,2,2,4,3,2,4,4,3,3,
 3,3,2,3,4,3,3,3,4,4,4,3,4,3,2,2,1,2,3,
 3,3,3,3,2,2,3,3,3,2,2,3,4,3,3,4,3,3,3,
 3,4,1,3,3,3,3,3,4,3,3,2,1,4,3,4,2,3,1,
 2,3,2,3,4,3,1,4,4,4,1,3,3,4,1,3,2,2,3,
 3,4,4,3,3,2,1,3,3,3,3,3,3,3,4,4,3,3,3,
 4,2,3,2,3,3,3,2,3,3,4,3,3,3,2,3,4,4,3,
 3,3,3,3,3,3,3,3,4,0,3,2,1,1,3,4,2),format.spss = "F8.0"),
 neo.q48 = structure(c(4,4,2,2,4,1,2,0,1,2,2,1,
 3,0,2,3,2,1,2,2,2,1,1,2,2,4,1,1,3,1,3,
 1,4,1,2,1,2,2,3,1,1,1,3,4,2,1,3,3,1,3,
 1,0,3,3,4,2,2,0,3,2,1,2,1,3,1,1,1,1,3,
 2,0,1,0,0,3,3,1,3,1,2,2,1,1,0,1,1,1,0,
 2,2,1,1,3,2,1,1,1,2,2,2,0,4,1,0,1,0,1,
 0,4,1,1,2,2,0,2,1,2,3,1,3,2,1,1,1,3,1,
 1,2,2,1,1,1,1,1,2,2,3,1,1,0,2,2,2,3,4,
 3,1,2,1,2,1,1,1,1,2,2,1,1,3,0,3,2,2,2,
 4,1,1,2,2,1,3,3,1,2,0,2,4,1,2,1,4,4,2,
 2,2,1,3,0,1,2,3,2,0,3,3,3,1,3,0,4),format.spss = "F8.0"),
 neo.q49 = structure(c(4,4,4,4,4,3,4,4,3,3,4,3,
 4,4,4,4,4,3,3,4,3,4,3,3,3,4,3,3,3,3,4,
 4,4,3,3,3,3,1,3,3,3,4,3,4,3,3,2,3,3,4,
 3,4,2,3,4,4,3,4,4,3,3,3,3,3,3,4,4,4,3,
 3,4,4,4,4,4,3,4,3,3,4,4,4,3,4,3,4,4,4,
 3,3,4,3,3,4,3,4,3,3,4,3,4,3,3,4,4,4,4,
 4,4,4,4,3,4,4,4,4,3,3,3,3,4,4,4,4,4,3,
 3,4,3,3,4,3,4,3,4,4,3,4,4,4,3,3,3,3,4,
 3,4,3,3,4,3,3,3,3,3,3,4,3,4,3,4,4,3,3,
 4,3,3,3,3,3,3,4,3,3,4,3,4,3,2,3,4,4,4,
 3,4,4,4,3,3,4,3,3,4,3,4,4,4,4,4,4),format.spss = "F8.0"),
 neo.q50 = structure(c(4,4,4,4,4,4,3,4,3,3,3,3,
 4,4,4,4,4,3,4,3,3,4,3,3,3,4,3,3,3,4,4,
 4,3,3,4,3,3,3,3,4,3,4,3,3,3,4,3,3,3,3,
 3,3,4,3,4,4,3,4,4,3,3,3,4,3,3,4,4,4,3,
 3,4,3,3,4,4,4,4,4,4,4,4,4,3,4,3,3,4,3,
 3,3,4,3,3,3,3,3,3,4,3,4,3,3,3,3,3,3,3,
 4,4,4,4,4,4,4,4,4,4,3,3,4,4,3,4,4,3,3,
 2,3,3,3,4,3,4,3,4,4,3,3,3,4,3,3,3,3,4,
 3,4,4,3,4,3,2,3,3,3,1,4,3,4,4,3,4,4,3,
 4,3,3,3,3,3,3,4,3,4,3,4,4,3,3,3,4,3,4,
 3,3,4,3,3,4,3,3,4,3,3,3,3,4,4,4,3),format.spss = "F8.0"),
 neo.q51 = structure(c(0,3,0,1,0,0,2,3,2,1,2,1,
 1,1,0,0,1,1,1,1,1,0,0,1,1,0,1,1,1,1,2,
 1,0,1,1,1,1,1,2,1,1,0,2,1,2,0,1,1,2,1,
 1,3,1,2,0,1,1,1,0,1,1,1,2,1,0,1,0,1,2,
 2,0,0,1,0,1,1,1,0,0,1,0,0,1,0,1,2,0,1,
 1,2,0,1,2,2,1,1,2,1,1,1,1,2,2,1,0,0,NA,
 0,0,0,0,2,0,0,1,3,0,2,1,0,1,1,1,0,1,3,
 2,0,1,1,1,1,1,0,0,2,1,1,0,0,1,1,2,0,1,
 1,1,1,2,1,1,1,1,0,1,0,1,1,0,0,1,1,2,1,
 0,2,1,1,1,3,1,1,1,1,1,1,0,1,2,1,0,1,1,
 3,1,1,0,0,1,3,1,0,3,1,2,3,0,0,1,1),format.spss = "F8.0"),
 neo.q52 = structure(c(3,3,4,4,4,3,2,3,3,3,2,3,
 2,3,4,4,4,3,3,2,3,3,2,3,3,4,3,3,3,3,3,
 2,2,3,3,3,2,2,3,3,4,2,2,1,3,2,1,3,2,1,
 3,3,2,3,3,4,3,4,4,3,4,3,4,3,2,4,4,3,3,
 2,4,3,3,4,3,3,4,4,4,4,4,4,3,3,2,2,3,3,
 3,4,3,3,3,3,2,3,3,3,3,3,4,2,2,2,3,3,3,
 4,4,4,4,2,4,3,4,4,4,3,2,3,4,3,3,3,2,2,
 2,2,2,2,4,3,2,4,4,4,3,3,3,4,2,4,3,3,3,
 3,4,4,3,3,2,2,3,3,3,3,4,3,3,4,4,3,4,3,
 4,3,3,3,2,3,3,2,2,1,4,4,3,3,2,3,4,3,4,
 3,3,3,3,3,3,3,3,4,0,2,2,2,3,4,4,3),format.spss = "F8.0"),
 neo.q53 = structure(c(2,3,4,3,4,1,3,3,2,3,2,3,
 2,2,4,4,4,3,3,3,3,3,3,3,3,2,3,3,3,3,2,
 1,2,3,1,3,2,2,2,2,3,2,2,2,4,3,3,1,2,2,
 3,3,3,3,1,4,3,4,4,2,3,3,2,3,3,4,3,3,3,
 2,3,3,3,4,3,3,4,3,3,4,3,3,3,4,3,1,2,3,
 2,3,3,3,3,3,3,3,3,2,2,3,4,2,3,2,3,3,2,
 3,1,4,3,2,3,3,2,4,3,2,3,2,3,4,3,3,3,2,
 3,2,3,3,4,3,2,3,4,3,3,3,3,4,2,4,2,3,3,
 3,4,4,3,3,3,3,3,3,3,3,3,3,2,3,3,3,2,3,
 4,2,3,2,2,3,3,2,3,2,3,3,3,2,2,3,3,1,3,
 3,3,3,2,3,3,2,3,3,3,3,3,3,4,3,3,3),format.spss = "F8.0"),
 neo.q54 = structure(c(2,2,4,2,1,1,1,2,3,2,2,1,
 3,1,3,4,4,2,3,1,3,1,3,3,3,4,3,3,3,2,1,
 1,1,3,2,3,3,3,3,3,3,3,3,3,3,2,3,3,2,1,
 1,1,2,3,4,3,2,1,4,2,2,3,4,2,1,2,2,0,1,
 3,2,2,1,3,3,3,3,3,3,2,3,0,2,2,2,1,2,1,
 1,4,3,4,3,1,1,3,2,4,4,2,3,2,3,3,4,3,3,
 3,2,3,1,3,3,3,2,3,1,2,3,3,4,3,3,1,2,3,
 3,2,2,3,4,1,3,3,4,3,3,2,1,1,2,4,2,3,3,
 3,3,3,2,1,3,3,4,3,1,1,1,3,2,4,1,1,3,2,
 2,2,1,2,2,2,3,3,3,2,3,3,1,2,2,3,4,1,2,
 2,2,1,2,2,3,3,3,3,0,3,3,1,2,3,1,4),format.spss = "F8.0"),
 neo.q55 = structure(c(0,1,0,0,0,1,2,1,1,1,3,1,
 0,1,0,0,0,0,0,1,1,1,1,1,1,0,1,1,1,1,1,
 0,1,1,1,1,1,1,1,1,0,0,1,1,1,0,1,1,1,1,
 1,1,0,1,0,0,1,0,0,1,1,1,1,1,1,0,0,0,1,
 1,0,0,0,0,1,1,0,0,0,0,0,0,1,0,1,1,0,1,
 1,0,1,1,1,1,1,1,1,0,0,2,1,1,0,1,0,1,1,
 0,0,0,0,0,0,0,0,1,0,4,1,1,1,1,0,1,1,3,
 1,0,1,2,0,1,1,0,0,1,0,1,0,0,1,0,0,1,1,
 1,0,0,1,1,1,1,1,0,1,0,0,1,0,0,3,1,2,1,
 0,2,0,1,1,1,1,4,1,1,0,0,1,0,2,0,0,1,0,
 1,1,0,0,0,0,0,1,0,1,1,1,1,0,1,4,0),format.spss = "F8.0"),
 neo.q56 = structure(c(0,1,0,2,0,0,2,3,2,1,0,3,
 0,2,0,1,1,0,0,1,1,1,0,1,3,3,1,1,3,3,2,
 0,0,1,2,1,2,3,2,3,4,0,2,3,1,0,1,1,2,0,
 1,3,1,3,1,1,2,0,2,1,1,2,1,2,1,2,0,0,1,
 2,0,0,0,0,1,1,3,1,0,2,0,0,2,0,1,1,1,3,
 1,2,3,1,1,3,1,3,1,2,1,3,2,1,1,3,0,1,3,
 0,0,2,0,0,1,2,0,3,0,2,1,1,2,1,1,3,3,0,
 3,3,2,2,1,1,3,3,0,3,0,2,4,2,1,3,1,1,1,
 3,2,0,3,1,2,1,2,0,1,1,1,2,3,1,1,2,1,1,
 0,2,1,1,2,3,3,0,3,1,3,0,0,1,2,2,1,4,0,
 1,2,1,0,0,3,1,1,0,0,1,3,0,1,0,1,1),format.spss = "F8.0"),
 neo.q57 = structure(c(2,4,4,1,4,2,3,2,2,2,1,1,
 2,4,0,0,0,2,3,3,1,3,3,3,2,0,1,1,3,3,2,
 2,2,1,2,1,3,2,2,3,4,1,3,3,3,2,2,2,2,2,
 2,3,2,2,0,0,0,0,0,2,2,3,2,2,2,3,0,0,2,
 1,1,1,1,0,4,3,1,3,0,1,1,1,1,2,3,3,1,1,
 2,3,1,3,3,2,2,1,1,3,1,0,1,2,1,3,1,1,2,
 3,0,1,1,1,0,0,2,0,1,1,1,3,2,1,2,2,3,2,
 2,1,3,3,1,1,2,1,2,1,2,2,0,2,1,2,1,2,3,
 1,3,2,3,1,3,3,3,0,1,1,1,3,3,2,2,2,3,1,
 0,2,1,2,2,2,2,1,2,2,1,3,1,2,2,2,1,3,1,
 2,3,4,2,2,2,2,1,2,1,1,1,2,4,3,1,1),format.spss = "F8.0"),
 neo.q58 = structure(c(0,1,0,2,2,1,3,3,2,3,2,1,
 2,1,2,2,3,1,2,2,1,3,4,2,2,2,2,1,2,3,1,
 2,0,2,2,2,2,2,1,2,2,2,1,1,1,2,2,1,2,2,
 3,3,1,3,0,2,3,4,2,1,3,3,2,1,2,1,2,4,1,
 1,3,3,0,4,4,1,1,3,1,3,0,2,2,0,3,3,2,3,
 1,3,3,1,1,3,2,3,2,4,2,4,3,2,2,1,3,2,1,
 3,0,3,2,0,2,3,2,3,2,1,3,1,2,3,2,1,3,2,
 2,3,1,2,3,1,1,0,1,2,1,1,1,3,1,2,2,3,1,
 1,1,0,3,1,3,3,1,0,1,1,3,2,1,2,2,2,2,2,
 0,1,1,2,2,2,1,1,1,2,3,3,0,1,2,2,1,1,2,
 2,3,1,0,2,0,1,3,1,4,1,2,1,3,2,1,3),format.spss = "F8.0"),
 neo.q59 = structure(c(1,1,4,2,2,2,2,3,1,1,0,0,
 3,2,1,1,1,1,1,0,1,0,1,2,0,4,1,1,3,1,1,
 0,0,1,2,1,1,1,2,1,0,0,1,1,1,2,2,1,3,0,
 3,0,1,3,0,3,2,1,1,1,1,1,0,2,2,3,2,1,0,
 2,1,0,0,0,1,1,1,3,2,1,0,0,3,0,2,1,1,1,
 3,1,1,0,0,1,1,2,3,3,2,0,3,2,2,3,0,0,3,
 0,0,0,0,0,0,1,0,3,0,0,3,1,2,1,3,2,1,1,
 1,0,1,1,4,3,1,0,4,1,2,1,4,4,2,2,3,1,3,
 3,2,3,1,3,3,3,2,0,1,0,3,1,2,3,2,1,2,3,
 0,2,1,2,1,0,1,3,1,0,0,4,0,1,2,1,0,0,1,
 1,1,0,0,3,0,1,3,0,0,1,2,0,3,3,3,2),format.spss = "F8.0"),
 neo.q60 = structure(c(3,4,3,3,4,2,3,3,3,3,1,3,
 3,4,3,4,4,3,3,4,3,4,2,3,3,4,3,3,3,4,3,
 4,1,3,3,3,3,3,3,2,3,3,3,3,3,4,2,3,3,1,
 2,3,3,3,4,4,4,4,4,2,3,3,3,3,2,4,4,4,1,
 3,4,4,3,4,4,4,4,4,3,4,3,3,3,4,3,4,3,3,
 3,3,3,4,3,3,3,4,2,3,4,1,3,2,4,3,3,4,3,
 4,4,4,4,4,4,4,4,4,3,3,3,4,4,3,4,3,3,3,
 3,3,3,3,4,3,4,3,4,4,4,0,4,4,3,4,3,3,3,
 3,4,4,3,3,3,3,3,3,3,1,4,3,0,3,1,2,4,3,
 4,3,3,3,1,3,3,3,2,3,3,4,3,3,2,3,4,0,4,
 4,3,4,4,2,3,2,3,4,2,2,1,4,4,4,3,3),format.spss = "F8.0")),row.names = c(NA, -200L),class = "data.frame"))

Τοποθετούμε τις περιγραφές κάθε μίας ερώτησεις με τον παρακάτω κώδικα:

library(Hmisc)
label(NEO.data$gender) = 'Φύλο'
label(NEO.data$age) = 'Ηλικία'
label(NEO.data$neo.q1) = '(r)Δεν ανησυχώ γενικά'
label(NEO.data$neo.q2) = 'Μου αρέσει να έχω πολύ κόσμο γύρω μου'
label(NEO.data$neo.q3) = '(r)Δε μου αρέσει να χάνω το χρόνο μου ονειροπολώντας'
label(NEO.data$neo.q4) = 'Προσπαθώ να είμαι ευγενικός/η με όλους'
label(NEO.data$neo.q5) = 'Κρατώ τα πράγματά μου καθαρά και τακτοποιημένα'
label(NEO.data$neo.q6) = 'Συχνά νιώθω κατώτερρος/η από τους άλλους'
label(NEO.data$neo.q7) = 'Γελώ εύκολα'
label(NEO.data$neo.q8) = '(r)Όταν βρω το σωστό τρόπο να κάνω κάτι, τον χρησιμοποιώ'
label(NEO.data$neo.q9) = '(r)Συχνά τσακώνομαι με την οικογένειά μου και τους συνεργάτες μου'
label(NEO.data$neo.q10) = 'Είμαι καλός/η στο ναρυθμίζω τον εαυτό μου για να συναντώ προθεσμίες'
label(NEO.data$neo.q11) = 'Όταν βρίσκομαι κάτω από πίεση είναι φορές που νιώθω ότι θα διαλυθώ'
label(NEO.data$neo.q12) = '(r)Γενικά δε θεωρώ τον εαυτό μου ιδιαίτερα “ξένοιαστο”'
label(NEO.data$neo.q13) = 'Γοητεύομαι με τα μοτίβα που υπάρχουν στην τέχνη και στην φύση'
label(NEO.data$neo.q14) = '(r)Κάποιοι θεωρούν ότι είμαι εγωιστής/τρια και εγωκεντρικός/η'
label(NEO.data$neo.q15) = '(r)Δεν είμαι πολύ μεθοδικό άτομο'
label(NEO.data$neo.q16) = '(r)Σπάνια νιώθω μοναξιά ή θλίψη'
label(NEO.data$neo.q17) = 'Πραγματικά απολαμβάνω να μιλώ με κόσμο'
label(NEO.data$neo.q18) = '(r)Πιστεύω ότι με το να αφήνουμε τους μαθητές να ακούν ομιλητές που αμφισβητούν τις καθιερωμένες απόψεις νιώθουν πιο μπερδεμένοι και αποπροσανατολισμένοι'
label(NEO.data$neo.q19) = 'Προτιμώ να συνεργάζομαι με άλλου παρά να τους ανταγωνίζομαι'
label(NEO.data$neo.q20) = 'Προσπαθώ να εκπληρώνω ό.τι μου ανατίθεται με ευσυνειδησία'
label(NEO.data$neo.q21) = 'Συχνά νιώθω ένταση και νευρικότητα'
label(NEO.data$neo.q22) = 'Μου αρέσει να βρίσκομαι όπου υπάρχει δράση'
label(NEO.data$neo.q23) = '(r)Η ποίηση με αγγίζει ελάχιστα ή καθόλου'
label(NEO.data$neo.q24) = '(r)Έχω την τάση να είμαι κυνικός/ή και σκεπτικός/ή όσον αφορά την πρόθεση των άλλων'
label(NEO.data$neo.q25) = 'Έχω ξεκάθαρους στόχους και προσπαθώ να τους επιτύχω δουλεύοντας συστηματικά'
label(NEO.data$neo.q26) = 'Κάποιες φορές νιώθω τελείως ανάξιος/α'
label(NEO.data$neo.q27) = '(r)Συνήθως προτιμώ να κάνω πράγματα μόνος/η μου'
label(NEO.data$neo.q28) = 'Συχνά δοκιμάζω καινούρια και άγνωστα φαγητά'
label(NEO.data$neo.q29) = '(r)Πιιστεύω ότι οι περισσότεροι άνθρωποι θα προσπαθήσουν να σε εκμεταλευτούν εάν τους αφήσεις'
label(NEO.data$neo.q30) = '(r)Χάνω πολύ χρόνο προτού συγκεντρωθώ σε μία δουλειά'
label(NEO.data$neo.q31) = '(r)Σπανια νιώθω να είμαι φοβισμένος/η ή αγνωμένος/η'
label(NEO.data$neo.q32) = 'Συχνά νιώθω να είμαι γεμάτος/η ενέργεια'
label(NEO.data$neo.q33) = '(r)Σπάνια προσέχω τη διάθεση που δημιουργούν “διαφορετικά” περιβάλλοντα'
label(NEO.data$neo.q34) = 'Οι περισσότεροι άνθρωποι που γνωρίζω με συμπαθούν'
label(NEO.data$neo.q35) = 'Δουλευω σκληρά για να πετύχω τους στόχους μου'
label(NEO.data$neo.q36) = 'Συχνά θυμώνω με τον τρόπο με τον οποίο οι άνθρωποι με αντιμετωπίζουν'
label(NEO.data$neo.q37) = 'Είμαι ένα χαρούμενο, αισιόδοξο άτομο'
label(NEO.data$neo.q38) = '(r)Πιστεύω ότι θα έπρεπε να στρεφόμαστε στη Θρησκευτική μας Ηγεσία όταν παίρνουμε αποφάσεις ή για θέματα ηθικής τάξης'
label(NEO.data$neo.q39) = '(r)Κάποιοι με θεωρούν άτομο ψυχρό και υπολογιστικό'
label(NEO.data$neo.q40) = 'Όταν δεσμεύομαι προσωπικά για κάτι, αναλαμβάνω υπεύθυνα να ττο φέρω εις πέρας'
label(NEO.data$neo.q41) = 'Πολύ συχνά, όταν τα πράγματα πάνε στραβά, νιώθω απογοητευμένος/η και θέλω να τα παρατήσω'
label(NEO.data$neo.q42) = '(r)εν είμαι γενικά αισιόδοξος/η'
label(NEO.data$neo.q43) = 'Κάποιες φορές όταν βλέπω ένα έργο τέχνης ή διαβάζω ένα ποίημα νιώθω ένα ρίγος ενθουσιασμού να με διαπερνά'
label(NEO.data$neo.q44) = '(r)Είμαι πραγματιστής/τρια και διακατέχομαι από ψυχρή λογική στις θέσεις μου'
label(NEO.data$neo.q45) = '(r)Κάποιες φορές δεν είμαι όσο σταθερός/η και υπεύθυνος/η όσο θα έπρεπε'
label(NEO.data$neo.q46) = '(r)Σπάνια είμαι θλιμμένος/η ή λυπημένος/η'
label(NEO.data$neo.q47) = 'Η ζωή μου έχει γρήγορους ρυθμούς'
label(NEO.data$neo.q48) = '(r)Δε με ενδιαφέρει ιδιαίτερα η ενασχόληση με την φύση του κόσμου ή τις συνθήκες του κόσμου'
label(NEO.data$neo.q49) = 'Γενικά προσπαθώ να είμαι ευαίσθητος/η στις ανάγκες των άλλων'
label(NEO.data$neo.q50) = 'Είμαι ένα παραγωγικό άτομο που ολοκληρώνει τη δουλειά που αναλαμβάνει'
label(NEO.data$neo.q51) = 'Συχνά νιώθω αβοήθητος/η και θέλω κάποιον άλλον να μου λύσει τα προβλήματα'
label(NEO.data$neo.q52) = 'Είμαι πολύ δραστήριο άτομο'
label(NEO.data$neo.q53) = 'Έχω πολλά πνευματικά ενδιαφέροντα'
label(NEO.data$neo.q54) = '(r)Εάν κάποιος/α δε μου είναι συμπαθής τον/την αφήνω να το καταλάβει'
label(NEO.data$neo.q55) = '(r)Ποτέ δεν τα καταφέρνω να οργανωθώ'
label(NEO.data$neo.q56) = 'Κατά καιρούς ένιωσα τόση ντροπή που θα ήθελα να εξαφανιστώ'
label(NEO.data$neo.q57) = '(r)Προτιμώ να κάνω γενικά το δικό μου, παρά να είμαι ο ηγέτης άλλων'
label(NEO.data$neo.q58) = 'Συχνά μου αρέσει να παίζω με ιδέες και με θεωρίες'
label(NEO.data$neo.q59) = '(r)Εάν είναι απαραίτητο είμαι διατεθειμένος/η να “μανουβράρω” τους άλλους προκειμένου να πετύχω αυτό που θέλω'
label(NEO.data$neo.q60) = 'Προσπαθώ να κάνω τέλεις ό,τι κάνω'

5.1 Ανακωδικοποίηση αποκρίσεων

Είναι συνηθισμένο στις ψυχομετρικές κλίμακες να υπάρχουν κάποιες με αντίθετο τρόπο έκφρασης σε σχέση με τις υπόλοιπες. Στην περίπτωση αυτή, πριν την ανίχνευση δομής, πρέπει να γίνει ανακωδικοποίηση των αποκρίσεων. Στο NEO-FFI, οι ερωτήσεις που πρέπει να γίνουν ανακωδικοποίηση είναι οι 1, 3, 8, 9, 12, 14, 15, 16, 18, 23, 24, 27, 29, 30, 31, 33, 38, 39, 42, 44, 45, 46, 48, 54, 55, 57, 59.

Σε αυτές τις ερωτήσεις πρέπει να γίνει 0 -> 4, 1 -> 3, 2 -> 2, 3 -> 1, 4 -> 0.

Αυτό, το πετυχαίνουμε με τον παρακάτω κώδικα:

items.to.reverse = c(1, 3, 8, 9, 12, 14, 15, 16, 18, 23, 24, 27, 29, 30, 31, 33, 38, 39, 42, 44, 45, 46, 48, 54, 55, 57, 59)

for(i in items.to.reverse){
  NEO.data[, 2 + i] = 4 - NEO.data[, 2 + i]
}

5.2 Περιγραφή των αποκρίσεων

Αρχικά, αποκτούμε μία εικόνα των αποκρίσεων με την εντολή:

my_likert_scale_description(NEO.data[, 3:62])

	Item	Responses	0	1	2	3	4	M (SD)
1	(r)Δεν ανησυχώ γενικά	200	4 (2%)	27 (13.5%)	11 (5.5%)	89 (44.5%)	69 (34.5%)	3.0 (1.1)
2	Μου αρέσει να έχω πολύ κόσμο γύρω μου	200	4 (2%)	21 (10.5%)	55 (27.5%)	87 (43.5%)	33 (16.5%)	2.6 (0.95)
3	(r)Δε μου αρέσει να χάνω το χρόνο μου ονειροπολώντας	200	42 (21%)	83 (41.5%)	47 (23.5%)	23 (11.5%)	5 (2.5%)	1.3 (1.0)
4	Προσπαθώ να είμαι ευγενικός/η με όλους	200	0 (0%)	1 (0.5%)	5 (2.5%)	82 (41%)	112 (56%)	3.5 (0.58)
5	Κρατώ τα πράγματά μου καθαρά και τακτοποιημένα	200	0 (0%)	1 (0.5%)	14 (7%)	86 (43%)	99 (49.5%)	3.4 (0.64)
6	Συχνά νιώθω κατώτερρος/η από τους άλλους	200	84 (42%)	79 (39.5%)	23 (11.5%)	14 (7%)	0 (0%)	0.84 (0.89)
7	Γελώ εύκολα	200	1 (0.5%)	17 (8.5%)	48 (24%)	87 (43.5%)	47 (23.5%)	2.8 (0.91)
8	(r)Όταν βρω το σωστό τρόπο να κάνω κάτι, τον χρησιμοποιώ	200	36 (18%)	87 (43.5%)	39 (19.5%)	34 (17%)	4 (2%)	1.4 (1.0)
9	(r)Συχνά τσακώνομαι με την οικογένειά μου και τους συνεργάτες μου	200	3 (1.5%)	27 (13.5%)	36 (18%)	105 (52.5%)	29 (14.5%)	2.6 (0.94)
10	Είμαι καλός/η στο ναρυθμίζω τον εαυτό μου για να συναντώ προθεσμίες	200	0 (0%)	4 (2%)	13 (6.5%)	127 (63.5%)	56 (28%)	3.2 (0.63)
11	Όταν βρίσκομαι κάτω από πίεση είναι φορές που νιώθω ότι θα διαλυθώ	200	22 (11%)	76 (38%)	53 (26.5%)	45 (22.5%)	4 (2%)	1.7 (1.0)
12	(r)Γενικά δε θεωρώ τον εαυτό μου ιδιαίτερα “ξένοιαστο”	200	6 (3%)	39 (19.5%)	47 (23.5%)	84 (42%)	24 (12%)	2.4 (1.0)
13	Γοητεύομαι με τα μοτίβα που υπάρχουν στην τέχνη και στην φύση	200	2 (1%)	6 (3%)	49 (24.5%)	108 (54%)	35 (17.5%)	2.8 (0.78)
14	(r)Κάποιοι θεωρούν ότι είμαι εγωιστής/τρια και εγωκεντρικός/η	200	0 (0%)	15 (7.5%)	40 (20%)	92 (46%)	53 (26.5%)	2.9 (0.87)
15	(r)Δεν είμαι πολύ μεθοδικό άτομο	199	0 (0%)	10 (5%)	17 (8.5%)	99 (49.7%)	73 (36.7%)	3.2 (0.79) (1 NAs)
16	(r)Σπάνια νιώθω μοναξιά ή θλίψη	200	20 (10%)	95 (47.5%)	31 (15.5%)	48 (24%)	6 (3%)	1.6 (1.0)
17	Πραγματικά απολαμβάνω να μιλώ με κόσμο	200	0 (0%)	4 (2%)	36 (18%)	101 (50.5%)	59 (29.5%)	3.1 (0.74)
18	(r)Πιστεύω ότι με το να αφήνουμε τους μαθητές να ακούν ομιλητές που αμφισβητούν τις καθιερωμένες απόψεις νιώθουν πιο μπερδεμένοι και αποπροσανατολισμένοι	200	8 (4%)	40 (20%)	43 (21.5%)	84 (42%)	25 (12.5%)	2.4 (1.1)
19	Προτιμώ να συνεργάζομαι με άλλου παρά να τους ανταγωνίζομαι	200	4 (2%)	16 (8%)	25 (12.5%)	94 (47%)	61 (30.5%)	3.0 (0.97)
20	Προσπαθώ να εκπληρώνω ό.τι μου ανατίθεται με ευσυνειδησία	200	1 (0.5%)	2 (1%)	1 (0.5%)	65 (32.5%)	131 (65.5%)	3.6 (0.61)
21	Συχνά νιώθω ένταση και νευρικότητα	200	11 (5.5%)	70 (35%)	56 (28%)	55 (27.5%)	8 (4%)	1.9 (1.0)
22	Μου αρέσει να βρίσκομαι όπου υπάρχει δράση	200	3 (1.5%)	10 (5%)	28 (14%)	109 (54.5%)	50 (25%)	3.0 (0.85)
23	(r)Η ποίηση με αγγίζει ελάχιστα ή καθόλου	200	17 (8.5%)	35 (17.5%)	76 (38%)	54 (27%)	18 (9%)	2.1 (1.1)
24	(r)Έχω την τάση να είμαι κυνικός/ή και σκεπτικός/ή όσον αφορά την πρόθεση των άλλων	200	2 (1%)	31 (15.5%)	55 (27.5%)	87 (43.5%)	25 (12.5%)	2.5 (0.94)
25	Έχω ξεκάθαρους στόχους και προσπαθώ να τους επιτύχω δουλεύοντας συστηματικά	200	3 (1.5%)	8 (4%)	23 (11.5%)	117 (58.5%)	49 (24.5%)	3.0 (0.81)
26	Κάποιες φορές νιώθω τελείως ανάξιος/α	200	99 (49.5%)	82 (41%)	10 (5%)	5 (2.5%)	4 (2%)	0.66 (0.85)
27	(r)Συνήθως προτιμώ να κάνω πράγματα μόνος/η μου	200	7 (3.5%)	56 (28%)	47 (23.5%)	75 (37.5%)	15 (7.5%)	2.2 (1.0)
28	Συχνά δοκιμάζω καινούρια και άγνωστα φαγητά	200	9 (4.5%)	49 (24.5%)	46 (23%)	68 (34%)	28 (14%)	2.3 (1.1)
29	(r)Πιιστεύω ότι οι περισσότεροι άνθρωποι θα προσπαθήσουν να σε εκμεταλευτούν εάν τους αφήσεις	200	12 (6%)	77 (38.5%)	54 (27%)	52 (26%)	5 (2.5%)	1.8 (0.98)
30	(r)Χάνω πολύ χρόνο προτού συγκεντρωθώ σε μία δουλειά	200	2 (1%)	9 (4.5%)	17 (8.5%)	102 (51%)	70 (35%)	3.1 (0.83)
31	(r)Σπανια νιώθω να είμαι φοβισμένος/η ή αγνωμένος/η	200	12 (6%)	70 (35%)	55 (27.5%)	60 (30%)	3 (1.5%)	1.9 (0.97)
32	Συχνά νιώθω να είμαι γεμάτος/η ενέργεια	199	5 (2.5%)	40 (20.1%)	79 (39.7%)	67 (33.7%)	8 (4%)	2.2 (0.88) (1 NAs)
33	(r)Σπάνια προσέχω τη διάθεση που δημιουργούν “διαφορετικά” περιβάλλοντα	200	2 (1%)	21 (10.5%)	48 (24%)	104 (52%)	25 (12.5%)	2.6 (0.87)
34	Οι περισσότεροι άνθρωποι που γνωρίζω με συμπαθούν	200	0 (0%)	7 (3.5%)	42 (21%)	130 (65%)	21 (10.5%)	2.8 (0.65)
35	Δουλευω σκληρά για να πετύχω τους στόχους μου	200	0 (0%)	2 (1%)	11 (5.5%)	110 (55%)	77 (38.5%)	3.3 (0.62)
36	Συχνά θυμώνω με τον τρόπο με τον οποίο οι άνθρωποι με αντιμετωπίζουν	200	7 (3.5%)	68 (34%)	61 (30.5%)	49 (24.5%)	15 (7.5%)	2.0 (1.0)
37	Είμαι ένα χαρούμενο, αισιόδοξο άτομο	200	0 (0%)	10 (5%)	43 (21.5%)	114 (57%)	33 (16.5%)	2.8 (0.75)
38	(r)Πιστεύω ότι θα έπρεπε να στρεφόμαστε στη Θρησκευτική μας Ηγεσία όταν παίρνουμε αποφάσεις ή για θέματα ηθικής τάξης	200	12 (6%)	27 (13.5%)	75 (37.5%)	62 (31%)	24 (12%)	2.3 (1.0)
39	(r)Κάποιοι με θεωρούν άτομο ψυχρό και υπολογιστικό	200	6 (3%)	19 (9.5%)	39 (19.5%)	86 (43%)	50 (25%)	2.8 (1.0)
40	Όταν δεσμεύομαι προσωπικά για κάτι, αναλαμβάνω υπεύθυνα να ττο φέρω εις πέρας	200	1 (0.5%)	1 (0.5%)	5 (2.5%)	97 (48.5%)	96 (48%)	3.4 (0.62)
41	Πολύ συχνά, όταν τα πράγματα πάνε στραβά, νιώθω απογοητευμένος/η και θέλω να τα παρατήσω	200	31 (15.5%)	111 (55.5%)	35 (17.5%)	22 (11%)	1 (0.5%)	1.3 (0.87)
42	(r)εν είμαι γενικά αισιόδοξος/η	200	3 (1.5%)	14 (7%)	23 (11.5%)	100 (50%)	60 (30%)	3.0 (0.91)
43	Κάποιες φορές όταν βλέπω ένα έργο τέχνης ή διαβάζω ένα ποίημα νιώθω ένα ρίγος ενθουσιασμού να με διαπερνά	200	10 (5%)	24 (12%)	75 (37.5%)	75 (37.5%)	16 (8%)	2.3 (0.96)
44	(r)Είμαι πραγματιστής/τρια και διακατέχομαι από ψυχρή λογική στις θέσεις μου	199	7 (3.5%)	13 (6.5%)	31 (15.6%)	92 (46.2%)	56 (28.1%)	2.9 (1.0) (1 NAs)
45	(r)Κάποιες φορές δεν είμαι όσο σταθερός/η και υπεύθυνος/η όσο θα έπρεπε	200	4 (2%)	7 (3.5%)	8 (4%)	103 (51.5%)	78 (39%)	3.2 (0.84)
46	(r)Σπάνια είμαι θλιμμένος/η ή λυπημένος/η	200	14 (7%)	81 (40.5%)	50 (25%)	50 (25%)	5 (2.5%)	1.8 (0.99)
47	Η ζωή μου έχει γρήγορους ρυθμούς	200	2 (1%)	18 (9%)	31 (15.5%)	106 (53%)	43 (21.5%)	2.8 (0.90)
48	(r)Δε με ενδιαφέρει ιδιαίτερα η ενασχόληση με την φύση του κόσμου ή τις συνθήκες του κόσμου	200	15 (7.5%)	34 (17%)	58 (29%)	73 (36.5%)	20 (10%)	2.2 (1.1)
49	Γενικά προσπαθώ να είμαι ευαίσθητος/η στις ανάγκες των άλλων	200	0 (0%)	1 (0.5%)	3 (1.5%)	98 (49%)	98 (49%)	3.5 (0.56)
50	Είμαι ένα παραγωγικό άτομο που ολοκληρώνει τη δουλειά που αναλαμβάνει	200	0 (0%)	1 (0.5%)	2 (1%)	110 (55%)	87 (43.5%)	3.4 (0.54)
51	Συχνά νιώθω αβοήθητος/η και θέλω κάποιον άλλον να μου λύσει τα προβλήματα	199	55 (27.6%)	105 (52.8%)	29 (14.6%)	10 (5%)	0 (0%)	0.97 (0.79) (1 NAs)
52	Είμαι πολύ δραστήριο άτομο	200	1 (0.5%)	4 (2%)	41 (20.5%)	100 (50%)	54 (27%)	3.0 (0.78)
53	Έχω πολλά πνευματικά ενδιαφέροντα	200	0 (0%)	8 (4%)	47 (23.5%)	119 (59.5%)	26 (13%)	2.8 (0.70)
54	(r)Εάν κάποιος/α δε μου είναι συμπαθής τον/την αφήνω να το καταλάβει	200	20 (10%)	83 (41.5%)	54 (27%)	40 (20%)	3 (1.5%)	1.6 (0.97)
55	(r)Ποτέ δεν τα καταφέρνω να οργανωθώ	200	3 (1.5%)	3 (1.5%)	6 (3%)	106 (53%)	82 (41%)	3.3 (0.74)
56	Κατά καιρούς ένιωσα τόση ντροπή που θα ήθελα να εξαφανιστώ	200	49 (24.5%)	72 (36%)	39 (19.5%)	37 (18.5%)	3 (1.5%)	1.4 (1.1)
57	(r)Προτιμώ να κάνω γενικά το δικό μου, παρά να είμαι ο ηγέτης άλλων	200	8 (4%)	43 (21.5%)	68 (34%)	60 (30%)	21 (10.5%)	2.2 (1.0)
58	Συχνά μου αρέσει να παίζω με ιδέες και με θεωρίες	200	16 (8%)	60 (30%)	70 (35%)	46 (23%)	8 (4%)	1.8 (1.0)
59	(r)Εάν είναι απαραίτητο είμαι διατεθειμένος/η να “μανουβράρω” τους άλλους προκειμένου να πετύχω αυτό που θέλω	200	7 (3.5%)	36 (18%)	36 (18%)	70 (35%)	51 (25.5%)	2.6 (1.2)
60	Προσπαθώ να κάνω τέλεις ό,τι κάνω	200	3 (1.5%)	9 (4.5%)	16 (8%)	103 (51.5%)	69 (34.5%)	3.1 (0.85)

5.3 Ομοιότητα αποκρίσεων

Αξιοποιούμε τη συνάρτηση my_dendrogram.

my_dendro = my_dendrogram(NEO.data[, 3:62])

my_dendro$distMat

Variables

	Original Item
q1	neo.q1
q2	neo.q2
q3	neo.q3
q4	neo.q4
q5	neo.q5
q6	neo.q6
q7	neo.q7
q8	neo.q8
q9	neo.q9
q10	neo.q10
q11	neo.q11
q12	neo.q12
q13	neo.q13
q14	neo.q14
q15	neo.q15
q16	neo.q16
q17	neo.q17
q18	neo.q18
q19	neo.q19
q20	neo.q20
q21	neo.q21
q22	neo.q22
q23	neo.q23
q24	neo.q24
q25	neo.q25
q26	neo.q26
q27	neo.q27
q28	neo.q28
q29	neo.q29
q30	neo.q30
q31	neo.q31
q32	neo.q32
q33	neo.q33
q34	neo.q34
q35	neo.q35
q36	neo.q36
q37	neo.q37
q38	neo.q38
q39	neo.q39
q40	neo.q40
q41	neo.q41
q42	neo.q42
q43	neo.q43
q44	neo.q44
q45	neo.q45
q46	neo.q46
q47	neo.q47
q48	neo.q48
q49	neo.q49
q50	neo.q50
q51	neo.q51
q52	neo.q52
q53	neo.q53
q54	neo.q54
q55	neo.q55
q56	neo.q56
q57	neo.q57
q58	neo.q58
q59	neo.q59
q60	neo.q60

Euclidean distance

	Cols
	q1	q2	q3	q4	q5	q6	q7	q8	q9	q10	q11	q12	q13	q14	q15	q16	q17	q18	q19	q20	q21	q22	q23	q24	q25	q26	q27	q28	q29	q30	q31	q32	q33	q34	q35	q36	q37	q38	q39	q40	q41	q42	q43	q44	q45	q46	q47	q48	q49	q50	q51	q52	q53	q54	q55	q56	q57	q58	q59	q60
Rows
q1	0	21.5	29.4	18.7	17.6	35	21.2	29.2	20.3	17.3	27.1	23.6	17.9	18.7	18	26.7	18.8	21	19.3	19.2	24.7	19.8	23.8	19.6	19.1	37.2	23.7	24.2	25.6	18.7	23.6	23.2	18.6	17.7	17.2	23.7	19.4	22.5	21.1	18	30.3	20.6	20.9	20.1	19.5	24.7	19.3	22.8	18	18.1	32.8	19.4	17.9	27.3	18.5	30.3	23.9	25.8	21	19.6
q2	21.5	0	27.2	19.3	18.1	31.7	17	26.3	18.6	16.1	23.9	16.1	15.9	19.7	18.9	24.3	14.4	20.2	19.1	21	22.8	15.9	20.8	18.9	17.4	32.9	18.4	20.5	21.9	17.3	21.5	17.2	18.9	15.3	17.1	21	13.8	21	19	19.7	26.8	17.3	18.4	18.7	19.3	23.2	16.7	20	19.1	18.3	29.7	15.6	16.2	24.1	18.5	27.8	19.9	22	20.1	17.3
q3	29.4	27.2	0	35.2	34.6	18.6	28	18.7	27.7	31.5	19.7	25.1	27.2	28.7	32.5	20.4	30.3	25.3	29.8	36.1	21.2	29.5	23.5	26.1	30.3	19.1	24.3	24.6	20.9	32.2	19.4	20.6	26.6	27.4	33	22	28.2	23.5	28.8	34.1	18.5	31	22.9	29.8	33.1	20.3	28.9	23.8	34.3	33.8	16.3	29.9	27.4	19.9	33.2	20.1	23.5	20.3	28.4	31.9
q4	18.7	19.3	35.2	0	10.8	41.1	16.9	34.4	18.4	12.3	30.9	21.5	16	15.7	13.3	31.8	13.2	23.2	16.7	9.5	28.2	15.5	26.2	20.5	14.5	43.2	25	23.9	28.8	14	28.5	23.8	19.3	14.1	11	27.5	14.9	23.8	18.5	11	35.2	15.2	23.2	17.1	13.7	29.9	16.7	24.5	9.5	10.2	38.6	13.7	15.1	30.4	12.8	35.5	24.4	28.2	21.7	14.6
q5	17.6	18.1	34.6	10.8	0	40	17.1	33.8	18.4	9.6	30.3	21.6	15.7	16.4	12.1	30.7	13.2	22.2	18.4	12	27.4	16.1	25.9	20	13	42.2	23.9	24.1	28.1	13.1	27.7	23	19.2	14.5	10.5	26.1	15.2	23.9	19.1	11.4	34.4	15.9	22.1	18.4	14	28.9	16.5	24.4	11.4	9.7	37.6	13.8	15.4	30.1	12	34.8	23.9	27.8	21	13.1
q6	35	31.7	18.6	41.1	40	0	33.2	20.3	32.4	37.1	19.1	30.7	33.2	34	38.1	22.4	35.9	28.9	35.1	42.3	21.9	35.6	27.3	30.3	35.8	15.2	28.3	29.2	23.9	37.6	21.7	25.9	31.3	32.2	38.6	23.8	33.6	27.4	34	40	15.6	36.7	28.5	34.8	38.1	21.8	34.2	28.6	40.2	39.7	13.4	36.1	32.8	21.4	39.1	19.6	28.2	23.9	32.3	37.8
q7	21.2	17	28	16.9	17.1	33.2	0	27.5	18.2	14.9	24.1	16.6	15.6	16.1	17.9	26.1	14.8	19.9	18.2	18.8	21.8	15.7	22	18.8	15.7	34.7	20.9	20.1	23.4	16.9	22.4	19.3	17.1	14.8	16.7	21.4	14.2	19.5	17.3	17.7	28.3	16.4	19.4	18.8	19.3	24.4	16.9	21.4	17.3	16.7	30.5	15.7	15.5	25.1	18.2	28.3	20.6	22.4	21.1	17.4
q8	29.2	26.3	18.7	34.4	33.8	20.3	27.5	0	26.7	30.7	21.8	25	27.1	28.7	30.8	20.9	30.1	23.6	28.5	35.6	22.3	28.9	21.6	24	29.7	21	22.2	24.8	19.3	30.7	20.4	21.4	24.7	26.6	32.4	22.7	27.7	21.9	27.4	33.4	20.2	29.8	22.8	27.7	31.6	20.9	27.7	22.7	33.6	33.1	19.2	29.5	26.7	19.2	32.3	19.3	22.3	21.3	26.9	31.9
q9	20.3	18.6	27.7	18.4	18.4	32.4	18.2	26.7	0	16.9	25	17.9	16.7	17.3	16.9	25.3	16.7	20.2	19.5	20.2	23.6	17.5	20.9	16.9	17.4	33.9	19.7	21.3	21.3	17.6	22.7	18.9	18	14.7	17.3	23.4	15.8	21.1	17.7	18.3	28.1	16.9	18.8	17.9	18.8	24.2	17	19.9	18.4	17.9	30.5	16.7	16.7	23.2	18.2	27.9	19.7	23.4	20.9	19
q10	17.3	16.1	31.5	12.3	9.6	37.1	14.9	30.7	16.9	0	28.1	19.1	13.9	15.4	11.7	28.4	11.1	19.9	17.3	12.5	24.9	13.3	22.9	18.4	12.2	38.9	21.4	21.7	25	12.8	25.5	19.9	16.6	13.3	10.3	23.3	12.8	21.9	17.8	11.3	31.6	13.7	19.6	17.8	13.5	26.5	14.8	22.2	11.3	9.7	34.5	11.5	13.2	27.6	12.4	31.9	20.9	25.1	19.6	11.8
q11	27.1	23.9	19.7	30.9	30.3	19.1	24.1	21.8	25	28.1	0	23.5	24.3	25.8	29	19.7	27.1	24.1	26.3	32.4	17.1	27.4	22.4	24	27.9	22.1	22.2	23.2	21.4	28.2	16.5	21.2	24.3	23	29.2	17.9	24.6	22	25.4	30.3	16.2	27.9	21.1	26.8	29.5	18.5	25.6	22.1	30.3	30	17.9	27.2	24.3	20.4	29.7	19.1	22.9	20.1	25.7	29.1
q12	23.6	16.1	25.1	21.5	21.6	30.7	16.6	25	17.9	19.1	23.5	0	19	19.8	20.5	23.9	17.5	20.9	19.9	23.5	22.8	18.9	21.4	18.9	18.5	31.4	18.6	20.7	19.9	20.3	21.7	18.1	19	17	20.7	22.8	14.5	20.9	18.3	21.4	26.4	16.2	19.3	19	21.8	23.4	18.8	20.8	22.1	21.2	28.2	17.8	18.2	22	20.7	26.6	19.4	21.8	21.5	20.9
q13	17.9	15.9	27.2	16	15.7	33.2	15.6	27.1	16.7	13.9	24.3	19	0	16.2	14.8	25.4	13.8	19.4	16.5	17.1	22.6	15.1	18.7	17.1	15.6	34.8	19.6	19.1	21.8	14.2	22.1	18.7	15.7	13.8	14.5	21.2	14.8	20	17.6	16.1	28	16.1	16	16.8	17.9	22.7	15.7	17.3	15.4	15.2	30.5	15	13.6	24.4	16.3	27.6	19.4	20.9	19.2	15.9
q14	18.7	19.7	28.7	15.7	16.4	34	16.1	28.7	17.3	15.4	25.8	19.8	16.2	0	15.7	26.8	16	19	17.3	16	23.4	17.1	22.4	16.6	16.1	36.4	22	22	23.4	15.5	23.8	20.8	15.8	13.5	15.8	23.5	15.5	20.1	16.2	16.2	28.6	17	20.6	16.7	16.2	25	16.7	22.2	15.1	15.7	31.6	16.4	16	24.9	16.3	29.7	21.3	24.8	19.6	16.9
q15	18	18.9	32.5	13.3	12.1	38.1	17.9	30.8	16.9	11.7	29	20.5	14.8	15.7	0	28.4	13.8	20.8	18.2	13.6	26.2	15.9	22.9	18.8	14.5	39.7	22.6	22.6	26.2	13.8	26.2	21.6	17.1	15	11.8	24.6	14.6	22.9	18.4	12.3	32.7	15.4	21.1	18.2	15	26.7	15.4	22.3	12.5	11.7	35.6	13.3	14.6	28.3	12.7	32.3	21.3	25.7	20.2	13.7
q16	26.7	24.3	20.4	31.8	30.7	22.4	26.1	20.9	25.3	28.4	19.7	23.9	25.4	26.8	28.4	0	28	23	28.1	32.7	19.9	27	22	24.5	27.5	21.8	22.4	23.9	19.1	28.7	17	21.6	23.5	24.9	29.5	19.8	25.8	22.3	26.4	30.5	17.7	28.5	22.3	27.7	29.7	15	26.9	22.4	30.9	30.3	20	27.4	24.5	19.5	29.7	20.3	23.1	19.4	26.7	28.2
q17	18.8	14.4	30.3	13.2	13.2	35.9	14.8	30.1	16.7	11.1	27.1	17.5	13.8	16	13.8	28	0	20.6	16.8	14.2	25.1	13	22	17.7	13.1	37.7	20.7	21.2	25	13.4	24.6	18.9	16.7	12.7	11.9	23.7	12	21.6	16.7	13.1	31	14.8	19.7	17.5	15	26	15.7	21	13	12.6	33.8	12.2	13	26.4	13.6	31.2	20.7	24.3	20.2	13.8
q18	21	20.2	25.3	23.2	22.2	28.9	19.9	23.6	20.2	19.9	24.1	20.9	19.4	19	20.8	23	20.6	0	21.9	24	22	22	20.7	19.3	20.5	31.1	20.7	22.7	21.4	19.7	21.1	21.1	17.7	19.1	20.5	21.2	19.3	19.3	19.4	22.2	25.3	21.1	19.4	21	21.4	21.9	20.6	20.2	22.5	21.7	27.1	20.8	18.9	21.7	21.6	25.1	20.9	21.6	20.9	21.2
q19	19.3	19.1	29.8	16.7	18.4	35.1	18.2	28.5	19.5	17.3	26.3	19.9	16.5	17.3	18.2	28.1	16.8	21.9	0	16.7	24.4	18.1	22.5	19.3	18.2	36.7	22.3	22.7	25.6	18.2	23.8	21.8	19.1	16.2	16.9	24.8	17.1	21.3	19.1	17.6	30.2	18.2	20.5	19.1	18.4	26.1	19.8	22.1	17	18	32.5	18.2	17.1	25.8	18.7	29.7	23	24.8	21.4	19.4
q20	19.2	21	36.1	9.5	12	42.3	18.8	35.6	20.2	12.5	32.4	23.5	17.1	16	13.6	32.7	14.2	24	16.7	0	29.1	15.1	27.1	21.4	15.1	44.2	26.3	24.7	30.4	14.8	29.8	24.9	20.4	16.2	11.4	28.2	16.7	25.4	20.4	10.2	36.2	17.1	24.5	19	14.4	31	17.9	26.5	9.1	9.9	39.7	15.1	16.9	32.2	13.3	36.8	25.5	29.9	22.3	14.5
q21	24.7	22.8	21.2	28.2	27.4	21.9	21.8	22.3	23.6	24.9	17.1	22.8	22.6	23.4	26.2	19.9	25.1	22	24.4	29.1	0	23.8	22.9	22.2	25.3	24.4	23.2	21.5	21	25.7	17.5	19.4	20.6	21.4	26.2	17.2	22.9	19.8	24.8	27.6	17.5	25.8	19.7	25.3	27.2	17	21.9	22.3	27.1	26.8	20.6	24	21	19.1	27.7	21.2	21	19.7	24.2	26.4
q22	19.8	15.9	29.5	15.5	16.1	35.6	15.7	28.9	17.5	13.3	27.4	18.9	15.1	17.1	15.9	27	13	22	18.1	15.1	23.8	0	22	17.9	14.1	36.6	20.5	20.8	24	16.6	25.3	17.9	18.1	15.1	14.4	23.1	14	21.5	19.3	14.7	29.9	15.7	19.5	18.7	17.1	25.6	15.4	22.2	14.3	14.2	33.6	12.4	12.6	26.8	15.3	30.3	19.8	23.7	20.1	15.2
q23	23.8	20.8	23.5	26.2	25.9	27.3	22	21.6	20.9	22.9	22.4	21.4	18.7	22.4	22.9	22	22	20.7	22.5	27.1	22.9	22	0	20	22.8	28.1	20.3	19.5	19.4	23.3	20.6	18.7	20.2	19.7	24.1	22.6	20.8	20.8	21.9	25.1	23.8	23	16.3	23	24.5	20.6	20.9	16.8	25.3	25.4	24.4	22.1	19.9	21.2	24.7	21.8	20.9	19	23.2	23.8
q24	19.6	18.9	26.1	20.5	20	30.3	18.8	24	16.9	18.4	24	18.9	17.1	16.6	18.8	24.5	17.7	19.3	19.3	21.4	22.2	17.9	20	0	19.1	32.3	18.2	21.1	19.4	18.4	21.7	18.8	16.4	15.6	19.6	23.5	17	20.1	16.3	19.7	25.9	18.4	19	16.7	19.6	23.2	18.6	19.7	19.7	19.6	28.5	18.4	16.9	20.9	19.5	26.8	19.9	22.4	17.9	20.6
q25	19.1	17.4	30.3	14.5	13	35.8	15.7	29.7	17.4	12.2	27.9	18.5	15.6	16.1	14.5	27.5	13.1	20.5	18.2	15.1	25.3	14.1	22.8	19.1	0	37.4	21.2	22.2	24.6	14.6	25.4	19.6	17.6	13.9	12.2	23.4	13.5	22.4	18.1	13.6	30.8	16.1	20.1	18.6	15.1	25.8	16.1	22.5	14.1	12.7	33.5	13.2	14.1	27.7	13.7	31.1	20.5	24.7	20.7	12.3
q26	37.2	32.9	19.1	43.2	42.2	15.2	34.7	21	33.9	38.9	22.1	31.4	34.8	36.4	39.7	21.8	37.7	31.1	36.7	44.2	24.4	36.6	28.1	32.3	37.4	0	29.1	30.5	24.7	39.7	23.4	26.8	32.7	34.2	40.6	25.9	35.2	28.5	35.5	42	16.7	38	29.1	36.5	40.5	23.1	35.6	29.3	42.2	41.6	13.7	37.3	34.3	22.9	40.8	19.5	29.6	24.7	34.1	39.2
q27	23.7	18.4	24.3	25	23.9	28.3	20.9	22.2	19.7	21.4	22.2	18.6	19.6	22	22.6	22.4	20.7	20.7	22.3	26.3	23.2	20.5	20.3	18.2	21.2	29.1	0	22.7	17	21.4	19.7	18	18.7	19.4	22.7	22	19.4	19.7	20.9	24.1	24.7	20.7	18.5	19.8	23	22.6	21.2	19.4	23.8	23.1	26	20.3	19.2	21.3	23	24.3	18.2	21.1	21.9	22.8
q28	24.2	20.5	24.6	23.9	24.1	29.2	20.1	24.8	21.3	21.7	23.2	20.7	19.1	22	22.6	23.9	21.2	22.7	22.7	24.7	21.5	20.8	19.5	21.1	22.2	30.5	22.7	0	22.1	23.5	21.7	19.9	21.1	18.9	22.7	21.4	20	21.2	22.7	23.3	24.3	21.7	18.9	22.2	23.1	21.4	20.4	20.3	23.4	23.3	26.2	21.3	19.1	21.5	24.2	26.8	20.8	21	22	22.5
q29	25.6	21.9	20.9	28.8	28.1	23.9	23.4	19.3	21.3	25	21.4	19.9	21.8	23.4	26.2	19.1	25	21.4	25.6	30.4	21	24	19.4	19.4	24.6	24.7	17	22.1	0	25.2	19.9	19.1	21.2	22.5	26.7	23.2	22.8	20.1	22.3	27.7	20.9	24	19.9	22.5	27.1	19.5	23.2	19.3	27.8	27.6	22.2	24.5	22.3	18.2	27.1	21	20.5	19.9	24.2	26.2
q30	18.7	17.3	32.2	14	13.1	37.6	16.9	30.7	17.6	12.8	28.2	20.3	14.2	15.5	13.8	28.7	13.4	19.7	18.2	14.8	25.7	16.6	23.3	18.4	14.6	39.7	21.4	23.5	25.2	0	26	22	16.4	15.3	12.2	24.6	14.2	23.4	17.8	14.2	32.8	15.1	21.2	16.6	14.6	26.4	15.3	21.9	13.1	12.5	35.1	14.1	14.7	27.3	13.4	32	21.1	26.2	20.4	15.1
q31	23.6	21.5	19.4	28.5	27.7	21.7	22.4	20.4	22.7	25.5	16.5	21.7	22.1	23.8	26.2	17	24.6	21.1	23.8	29.8	17.5	25.3	20.6	21.7	25.4	23.4	19.7	21.7	19.9	26	0	19.5	21.1	21.7	26.4	18.4	22.5	20.1	23.5	28.1	18.5	25.6	18.9	24.5	27	15.8	24.5	19.3	27.7	27.5	19.8	25.1	22.1	18.9	27.1	21	21.8	18.8	24.2	26.3
q32	23.2	17.2	20.6	23.8	23	25.9	19.3	21.4	18.9	19.9	21.2	18.1	18.7	20.8	21.6	21.6	18.9	21.1	21.8	24.9	19.4	17.9	18.7	18.8	19.6	26.8	18	19.9	19.1	22	19.5	0	19.4	17.2	21.7	18.8	17.3	20.1	21.5	22.8	21.9	20.3	17.1	22.3	23	20.7	18.5	19.2	22.9	22.1	24.1	18.1	16.8	20.6	22.5	22.7	18.5	17.7	23.2	20.8
q33	18.6	18.9	26.6	19.3	19.2	31.3	17.1	24.7	18	16.6	24.3	19	15.7	15.8	17.1	23.5	16.7	17.7	19.1	20.4	20.6	18.1	20.2	16.4	17.6	32.7	18.7	21.1	21.2	16.4	21.1	19.4	0	16.4	17.7	22.1	16.6	18.4	17.5	18.4	26.9	17.4	17.1	18	18.6	22	17.9	18.8	17.8	17.7	28.7	17.6	15.3	22.4	18.7	26.2	19.1	20.7	19	18.5
q34	17.7	15.3	27.4	14.1	14.5	32.2	14.8	26.6	14.7	13.3	23	17	13.8	13.5	15	24.9	12.7	19.1	16.2	16.2	21.4	15.1	19.7	15.6	13.9	34.2	19.4	18.9	22.5	15.3	21.7	17.2	16.4	0	13.7	20.1	11.7	19.3	14.7	14.9	26.3	15.7	17.6	15.5	15.7	23.4	14.6	19.7	13.9	14.5	29.7	13.4	12.5	22.6	15	28	20.4	21.7	18.9	15.3
q35	17.2	17.1	33	11	10.5	38.6	16.7	32.4	17.3	10.3	29.2	20.7	14.5	15.8	11.8	29.5	11.9	20.5	16.9	11.4	26.2	14.4	24.1	19.6	12.2	40.6	22.7	22.7	26.7	12.2	26.4	21.7	17.7	13.7	0	24.1	12.8	23.4	18.1	10.7	33.2	14.1	21	18.1	13.5	27.6	14.4	22.7	9.8	9.5	36.2	11.7	13.6	29	11.8	33.2	22.4	26	20.8	11.9
q36	23.7	21	22	27.5	26.1	23.8	21.4	22.7	23.4	23.3	17.9	22.8	21.2	23.5	24.6	19.8	23.7	21.2	24.8	28.2	17.2	23.1	22.6	23.5	23.4	25.9	22	21.4	23.2	24.6	18.4	18.8	22.1	20.1	24.1	0	21.2	22.5	24.6	26.1	19.1	24.8	20.1	25.2	25.8	17.9	21.6	23	26.5	25.7	21.6	22.6	21.4	21.5	25.8	21.2	20.6	18.7	23	24.3
q37	19.4	13.8	28.2	14.9	15.2	33.6	14.2	27.7	15.8	12.8	24.6	14.5	14.8	15.5	14.6	25.8	12	19.3	17.1	16.7	22.9	14	20.8	17	13.5	35.2	19.4	20	22.8	14.2	22.5	17.3	16.6	11.7	12.8	21.2	0	21.7	15.7	14.5	28.4	12.8	18.8	17	15.5	23.9	14.4	20.2	14.6	14	31.3	11.3	12.8	24.6	14.7	28.7	19.6	22.7	19.9	14.7
q38	22.5	21	23.5	23.8	23.9	27.4	19.5	21.9	21.1	21.9	22	20.9	20	20.1	22.9	22.3	21.6	19.3	21.3	25.4	19.8	21.5	20.8	20.1	22.4	28.5	19.7	21.2	20.1	23.4	20.1	20.1	18.4	19.3	23.4	22.5	21.7	0	20.3	24.2	23.9	22.3	20	21.5	23.8	21.9	21.9	20.9	24	23.4	25.4	22	19.6	21.5	23.9	25.1	20.1	21.3	21.9	24.1
q39	21.1	19	28.8	18.5	19.1	34	17.3	27.4	17.7	17.8	25.4	18.3	17.6	16.2	18.4	26.4	16.7	19.4	19.1	20.4	24.8	19.3	21.9	16.3	18.1	35.5	20.9	22.7	22.3	17.8	23.5	21.5	17.5	14.7	18.1	24.6	15.7	20.3	0	18.2	28.5	16.9	21.2	16.5	19.3	26	19	22.1	18.4	18.7	31.7	17.9	17.8	25	18	28.5	22.5	24.4	20.9	20
q40	18	19.7	34.1	11	11.4	40	17.7	33.4	18.3	11.3	30.3	21.4	16.1	16.2	12.3	30.5	13.1	22.2	17.6	10.2	27.6	14.7	25.1	19.7	13.6	42	24.1	23.3	27.7	14.2	28.1	22.8	18.4	14.9	10.7	26.1	14.5	24.2	18.2	0	34.5	15.2	22.8	18.2	13.2	28.5	16.7	24.4	9.2	9.2	37.7	12.6	14.7	30.3	10.5	34.6	23.4	27.3	21.3	12.5
q41	30.3	26.8	18.5	35.2	34.4	15.6	28.3	20.2	28.1	31.6	16.2	26.4	28	28.6	32.7	17.7	31	25.3	30.2	36.2	17.5	29.9	23.8	25.9	30.8	16.7	24.7	24.3	20.9	32.8	18.5	21.9	26.9	26.3	33.2	19.1	28.4	23.9	28.5	34.5	0	31.5	23.8	29.8	33.3	18.4	28.7	24.9	34.3	34.2	13.8	30.6	27.6	18.1	34.3	18.1	24.8	20.5	27.4	32.3
q42	20.6	17.3	31	15.2	15.9	36.7	16.4	29.8	16.9	13.7	27.9	16.2	16.1	17	15.4	28.5	14.8	21.1	18.2	17.1	25.8	15.7	23	18.4	16.1	38	20.7	21.7	24	15.1	25.6	20.3	17.4	15.7	14.1	24.8	12.8	22.3	16.9	15.2	31.5	0	20.5	15.8	16.8	27.1	14.5	21.3	15.3	14.6	34.5	12.9	15.7	26.8	14.7	31	20.4	25.2	21.3	16.6
q43	20.9	18.4	22.9	23.2	22.1	28.5	19.4	22.8	18.8	19.6	21.1	19.3	16	20.6	21.1	22.3	19.7	19.4	20.5	24.5	19.7	19.5	16.3	19	20.1	29.1	18.5	18.9	19.9	21.2	18.9	17.1	17.1	17.6	21	20.1	18.8	20	21.2	22.8	23.8	20.5	0	21.6	22.8	20.8	18.4	15.3	22.5	22	25.5	19.4	16.7	21.4	22.1	22.8	19.9	17.5	21.8	20.8
q44	20.1	18.7	29.8	17.1	18.4	34.8	18.8	27.7	17.9	17.8	26.8	19	16.8	16.7	18.2	27.7	17.5	21	19.1	19	25.3	18.7	23	16.7	18.6	36.5	19.8	22.2	22.5	16.6	24.5	22.3	18	15.5	18.1	25.2	17	21.5	16.5	18.2	29.8	15.8	21.6	0	18.1	26	18.4	20.9	17.1	17.8	32.8	17.4	17.7	25.1	17.7	30.4	21.2	25.6	20.5	20.1
q45	19.5	19.3	33.1	13.7	14	38.1	19.3	31.6	18.8	13.5	29.5	21.8	17.9	16.2	15	29.7	15	21.4	18.4	14.4	27.2	17.1	24.5	19.6	15.1	40.5	23	23.1	27.1	14.6	27	23	18.6	15.7	13.5	25.8	15.5	23.8	19.3	13.2	33.3	16.8	22.8	18.1	0	27.8	17	23.5	13.3	12.6	36.3	14.5	14.8	28.4	13	33.8	22.9	27	20.6	14.5
q46	24.7	23.2	20.3	29.9	28.9	21.8	24.4	20.9	24.2	26.5	18.5	23.4	22.7	25	26.7	15	26	21.9	26.1	31	17	25.6	20.6	23.2	25.8	23.1	22.6	21.4	19.5	26.4	15.8	20.7	22	23.4	27.6	17.9	23.9	21.9	26	28.5	18.4	27.1	20.8	26	27.8	0	24.6	21.2	28.9	28.3	19.9	25.2	22.4	20	28.2	21	21	18.4	25.7	26.9
q47	19.3	16.7	28.9	16.7	16.5	34.2	16.9	27.7	17	14.8	25.6	18.8	15.7	16.7	15.4	26.9	15.7	20.6	19.8	17.9	21.9	15.4	20.9	18.6	16.1	35.6	21.2	20.4	23.2	15.3	24.5	18.5	17.9	14.6	14.4	21.6	14.4	21.9	19	16.7	28.7	14.5	18.4	18.4	17	24.6	0	21	16.2	15.2	32.1	11.3	14.4	25.7	16.4	28.5	19.3	23.7	21.4	16.8
q48	22.8	20	23.8	24.5	24.4	28.6	21.4	22.7	19.9	22.2	22.1	20.8	17.3	22.2	22.3	22.4	21	20.2	22.1	26.5	22.3	22.2	16.8	19.7	22.5	29.3	19.4	20.3	19.3	21.9	19.3	19.2	18.8	19.7	22.7	23	20.2	20.9	22.1	24.4	24.9	21.3	15.3	20.9	23.5	21.2	21	0	24.2	24	25.9	21.2	18.1	20.9	23.4	24.4	20.3	18.1	23.1	22.2
q49	18	19.1	34.3	9.5	11.4	40.2	17.3	33.6	18.4	11.3	30.3	22.1	15.4	15.1	12.5	30.9	13	22.5	17	9.1	27.1	14.3	25.3	19.7	14.1	42.2	23.8	23.4	27.8	13.1	27.7	22.9	17.8	13.9	9.8	26.5	14.6	24	18.4	9.2	34.3	15.3	22.5	17.1	13.3	28.9	16.2	24.2	0	8.4	37.9	13.2	14.7	29.7	11.9	34.6	23.3	27.5	21.1	13.6
q50	18.1	18.3	33.8	10.2	9.7	39.7	16.7	33.1	17.9	9.7	30	21.2	15.2	15.7	11.7	30.3	12.6	21.7	18	9.9	26.8	14.2	25.4	19.6	12.7	41.6	23.1	23.3	27.6	12.5	27.5	22.1	17.7	14.5	9.5	25.7	14	23.4	18.7	9.2	34.2	14.6	22	17.8	12.6	28.3	15.2	24	8.4	0	37.6	11.7	14.4	29.8	11.1	34.5	23.2	27.3	21.5	11.8
q51	32.8	29.7	16.3	38.6	37.6	13.4	30.5	19.2	30.5	34.5	17.9	28.2	30.5	31.6	35.6	20	33.8	27.1	32.5	39.7	20.6	33.6	24.4	28.5	33.5	13.7	26	26.2	22.2	35.1	19.8	24.1	28.7	29.7	36.2	21.6	31.3	25.4	31.7	37.7	13.8	34.5	25.5	32.8	36.3	19.9	32.1	25.9	37.9	37.6	0	33.7	30.4	19.2	37.5	17	26.3	20.9	30.5	35
q52	19.4	15.6	29.9	13.7	13.8	36.1	15.7	29.5	16.7	11.5	27.2	17.8	15	16.4	13.3	27.4	12.2	20.8	18.2	15.1	24	12.4	22.1	18.4	13.2	37.3	20.3	21.3	24.5	14.1	25.1	18.1	17.6	13.4	11.7	22.6	11.3	22	17.9	12.6	30.6	12.9	19.4	17.4	14.5	25.2	11.3	21.2	13.2	11.7	33.7	0	11.6	27.3	12.9	30.3	19.7	24.1	21.2	13
q53	17.9	16.2	27.4	15.1	15.4	32.8	15.5	26.7	16.7	13.2	24.3	18.2	13.6	16	14.6	24.5	13	18.9	17.1	16.9	21	12.6	19.9	16.9	14.1	34.3	19.2	19.1	22.3	14.7	22.1	16.8	15.3	12.5	13.6	21.4	12.8	19.6	17.8	14.7	27.6	15.7	16.7	17.7	14.8	22.4	14.4	18.1	14.7	14.4	30.4	11.6	0	24.5	14.2	27.6	18.6	20.5	20.3	14
q54	27.3	24.1	19.9	30.4	30.1	21.4	25.1	19.2	23.2	27.6	20.4	22	24.4	24.9	28.3	19.5	26.4	21.7	25.8	32.2	19.1	26.8	21.2	20.9	27.7	22.9	21.3	21.5	18.2	27.3	18.9	20.6	22.4	22.6	29	21.5	24.6	21.5	25	30.3	18.1	26.8	21.4	25.1	28.4	20	25.7	20.9	29.7	29.8	19.2	27.3	24.5	0	30	21.7	21.6	19.7	24	29.2
q55	18.5	18.5	33.2	12.8	12	39.1	18.2	32.3	18.2	12.4	29.7	20.7	16.3	16.3	12.7	29.7	13.6	21.6	18.7	13.3	27.7	15.3	24.7	19.5	13.7	40.8	23	24.2	27.1	13.4	27.1	22.5	18.7	15	11.8	25.8	14.7	23.9	18	10.5	34.3	14.7	22.1	17.7	13	28.2	16.4	23.4	11.9	11.1	37.5	12.9	14.2	30	0	34	22.6	27	21.1	13.2
q56	30.3	27.8	20.1	35.5	34.8	19.6	28.3	19.3	27.9	31.9	19.1	26.6	27.6	29.7	32.3	20.3	31.2	25.1	29.7	36.8	21.2	30.3	21.8	26.8	31.1	19.5	24.3	26.8	21	32	21	22.7	26.2	28	33.2	21.2	28.7	25.1	28.5	34.6	18.1	31	22.8	30.4	33.8	21	28.5	24.4	34.6	34.5	17	30.3	27.6	21.7	34	0	25.5	20.7	29.3	32.6
q57	23.9	19.9	23.5	24.4	23.9	28.2	20.6	22.3	19.7	20.9	22.9	19.4	19.4	21.3	21.3	23.1	20.7	20.9	23	25.5	21	19.8	20.9	19.9	20.5	29.6	18.2	20.8	20.5	21.1	21.8	18.5	19.1	20.4	22.4	20.6	19.6	20.1	22.5	23.4	24.8	20.4	19.9	21.2	22.9	21	19.3	20.3	23.3	23.2	26.3	19.7	18.6	21.6	22.6	25.5	0	20.7	21.5	22.2
q58	25.8	22	20.3	28.2	27.8	23.9	22.4	21.3	23.4	25.1	20.1	21.8	20.9	24.8	25.7	19.4	24.3	21.6	24.8	29.9	19.7	23.7	19	22.4	24.7	24.7	21.1	21	19.9	26.2	18.8	17.7	20.7	21.7	26	18.7	22.7	21.3	24.4	27.3	20.5	25.2	17.5	25.6	27	18.4	23.7	18.1	27.5	27.3	20.9	24.1	20.5	19.7	27	20.7	20.7	0	25.1	25.3
q59	21	20.1	28.4	21.7	21	32.3	21.1	26.9	20.9	19.6	25.7	21.5	19.2	19.6	20.2	26.7	20.2	20.9	21.4	22.3	24.2	20.1	23.2	17.9	20.7	34.1	21.9	22	24.2	20.4	24.2	23.2	19	18.9	20.8	23	19.9	21.9	20.9	21.3	27.4	21.3	21.8	20.5	20.6	25.7	21.4	23.1	21.1	21.5	30.5	21.2	20.3	24	21.1	29.3	21.5	25.1	0	22.1
q60	19.6	17.3	31.9	14.6	13.1	37.8	17.4	31.9	19	11.8	29.1	20.9	15.9	16.9	13.7	28.2	13.8	21.2	19.4	14.5	26.4	15.2	23.8	20.6	12.3	39.2	22.8	22.5	26.2	15.1	26.3	20.8	18.5	15.3	11.9	24.3	14.7	24.1	20	12.5	32.3	16.6	20.8	20.1	14.5	26.9	16.8	22.2	13.6	11.8	35	13	14	29.2	13.2	32.6	22.2	25.3	22.1	0

5.4 Ανάλυση δομής

Στη συνέχεια, μπορούμε να περάσουμε στην ανάλυση της δομής:

my_PCA = my_PCA_analysis(NEO.data[, 3:62], rotate = 'varimax')

my_PCA$htmlTable

Variables

	Original Item
q1	neo.q1
q2	neo.q2
q3	neo.q3
q4	neo.q4
q5	neo.q5
q6	neo.q6
q7	neo.q7
q8	neo.q8
q9	neo.q9
q10	neo.q10
q11	neo.q11
q12	neo.q12
q13	neo.q13
q14	neo.q14
q15	neo.q15
q16	neo.q16
q17	neo.q17
q18	neo.q18
q19	neo.q19
q20	neo.q20
q21	neo.q21
q22	neo.q22
q23	neo.q23
q24	neo.q24
q25	neo.q25
q26	neo.q26
q27	neo.q27
q28	neo.q28
q29	neo.q29
q30	neo.q30
q31	neo.q31
q32	neo.q32
q33	neo.q33
q34	neo.q34
q35	neo.q35
q36	neo.q36
q37	neo.q37
q38	neo.q38
q39	neo.q39
q40	neo.q40
q41	neo.q41
q42	neo.q42
q43	neo.q43
q44	neo.q44
q45	neo.q45
q46	neo.q46
q47	neo.q47
q48	neo.q48
q49	neo.q49
q50	neo.q50
q51	neo.q51
q52	neo.q52
q53	neo.q53
q54	neo.q54
q55	neo.q55
q56	neo.q56
q57	neo.q57
q58	neo.q58
q59	neo.q59
q60	neo.q60

Correlation Matrix

	q1	q2	q3	q4	q5	q6	q7	q8	q9	q10	q11	q12	q13	q14	q15	q16	q17	q18	q19	q20	q21	q22	q23	q24	q25	q26	q27	q28	q29	q30	q31	q32	q33	q34	q35	q36	q37	q38	q39	q40	q41	q42	q43	q44	q45	q46	q47	q48	q49	q50	q51	q52	q53	q54	q55	q56	q57	q58	q59	q60
q1	1	-0.105	0.206	-0.011	0.119	0.135	-0.16	0.145	-0.002	0.017	0.046	-0.18	0.061	0.052	0.077	0.171	-0.075	0.152	0.073	0.026	0.055	-0.081	0.062	0.117	-0.047	0.061	-0.031	-0.06	0.048	0.024	0.214	-0.103	0.119	-0.016	0.094	0.127	-0.142	0.028	-0.031	0.054	0.088	-0.111	0.126	0.035	-0.031	0.23	0.021	0.078	0.019	-0.054	0.158	-0.111	-0.002	0.037	0.021	0.104	-0.073	-0.015	0.135	-0.045
q2	-0.105	1	-0.076	0.156	0.243	-0.118	0.183	-0.029	0.016	0.246	-0.03	0.343	0.183	-0.134	0.018	0	0.432	0.016	0.064	0.03	-0.123	0.293	0.058	-0.02	0.123	-0.033	0.223	0.061	0.046	0.227	0.034	0.232	-0.093	0.151	0.255	0.058	0.39	-0.077	0.074	-0.015	-0.063	0.216	0.113	0.107	0.054	-0.047	0.21	0.103	0.085	0.132	-0.168	0.292	0.077	-0.059	0.14	-0.116	0.058	0.013	0.083	0.242
q3	0.206	-0.076	1	-0.058	-0.175	0.162	0.051	0.149	-0.113	-0.151	0.088	0.032	0.106	0.068	-0.151	0.051	-0.017	0.026	0.062	0.032	0.04	0.015	-0.012	-0.066	-0.066	0.191	-0.073	0.056	-0.004	-0.123	0.167	0.198	-0.035	-0.082	-0.105	0.013	-0.071	0.123	-0.015	-0.05	0.024	-0.087	0.132	-0.018	-0.137	0.05	-0.035	0.082	-0.04	-0.088	0.258	-0.036	-0.038	0.017	-0.039	0.068	0.041	0.099	-0.032	-0.067
q4	-0.011	0.156	-0.058	1	0.231	-0.175	0.231	-0.064	0.223	0.114	-0.007	0.225	0.123	0.226	0.159	-0.064	0.245	0.05	0.161	0.354	-0.076	0.167	0.021	0.075	0.206	-0.221	0.03	0.174	0.027	0.158	-0.057	0.092	-0.007	0.327	0.204	-0.064	0.25	0.029	0.182	0.154	-0.008	0.242	0.018	0.238	0.193	-0.074	0.174	0.108	0.288	0.177	-0.082	0.282	0.212	0.186	0.118	-0.108	0.085	0.095	0.076	0.137
q5	0.119	0.243	-0.175	0.231	1	-0.189	0.11	-0.182	0.127	0.499	-0.103	0.062	0.104	0.067	0.327	-0.043	0.214	0.092	-0.124	0.128	-0.099	0.04	-0.083	0.045	0.37	-0.284	0.074	-0.004	-0.034	0.27	-0.093	0.069	-0.078	0.162	0.319	0.063	0.126	-0.12	0.031	0.18	-0.112	0.097	0.071	-0.012	0.161	-0.061	0.144	-0.018	0.103	0.334	-0.149	0.223	0.077	-0.016	0.252	-0.186	0.028	-0.036	0.092	0.323
q6	0.135	-0.118	0.162	-0.175	-0.189	1	-0.033	0.04	-0.203	-0.257	0.356	-0.243	-0.128	0.013	-0.285	-0.012	-0.128	0.057	0.003	-0.149	0.288	-0.236	-0.126	-0.091	-0.216	0.242	-0.198	-0.074	-0.107	-0.201	0.221	-0.043	-0.097	-0.042	-0.18	0.136	-0.22	0.132	-0.137	-0.184	0.312	-0.288	-0.136	-0.079	-0.101	0.12	-0.152	-0.101	-0.173	-0.225	0.37	-0.327	-0.171	0.021	-0.207	0.14	-0.144	-0.052	0.002	-0.278
q7	-0.16	0.183	0.051	0.231	0.11	-0.033	1	0.028	0.029	0.207	0.127	0.337	0.142	0.181	-0.027	-0.063	0.251	0.076	0.059	0.057	0.12	0.218	0.02	-0.001	0.194	0.035	0.038	0.154	0.01	0.115	0.067	0.083	0.085	0.129	0.061	0.126	0.277	0.125	0.196	0.019	-0.017	0.204	0.056	0.025	-0.11	-0.042	0.119	0.01	0.044	0.089	0.071	0.159	0.088	-0.002	-0.032	0.047	0.054	0.118	-0.032	0.084
q8	0.145	-0.029	0.149	-0.064	-0.182	0.04	0.028	1	-0.057	-0.138	-0.129	-0.018	0.005	-0.033	0.037	-0.004	-0.124	0.151	0.156	-0.067	-0.109	-0.005	0.148	0.132	-0.09	0.043	0.116	-0.012	0.147	0.034	0.047	0.046	0.155	-0.061	-0.172	-0.098	-0.095	0.242	0.079	-0.084	-0.141	-0.01	0.081	0.178	0.017	-0.032	0.038	0.146	-0.083	-0.107	-0.013	-0.094	-0.026	0.086	-0.022	0.153	0.121	-0.025	0.087	-0.198
q9	-0.002	0.016	-0.113	0.223	0.127	-0.203	0.029	-0.057	1	0.075	-0.145	0.177	0.07	0.117	0.217	-0.109	0.13	0.011	-0.017	0.076	-0.214	0.09	0.055	0.182	0.078	-0.158	0.098	-0.021	0.138	0.143	-0.093	0.055	-0.009	0.198	0.15	-0.218	0.152	-0.091	0.186	0.129	-0.233	0.225	0.067	0.168	0.069	-0.158	0.155	0.11	0.109	0.121	-0.259	0.137	-0.011	0.091	0.124	-0.097	0.086	-0.132	-0.01	0
q10	0.017	0.246	-0.151	0.114	0.499	-0.257	0.207	-0.138	0.075	1	-0.236	0.126	0.13	0.029	0.306	-0.149	0.353	0.113	-0.112	0.215	-0.121	0.258	0.019	-0.015	0.324	-0.234	0.091	0.038	0.037	0.233	-0.185	0.169	0.039	0.062	0.341	0.086	0.236	-0.149	0.007	0.253	-0.191	0.255	0.105	-0.097	0.178	-0.127	0.181	-0.023	0.208	0.4	-0.175	0.368	0.151	-0.093	0.201	-0.185	0.123	-0.047	0.049	0.391
q11	0.046	-0.03	0.088	-0.007	-0.103	0.356	0.127	-0.129	-0.145	-0.236	1	-0.09	0.014	-0.018	-0.195	0.073	-0.11	-0.119	0.067	-0.108	0.293	-0.216	-0.086	-0.152	-0.268	0.146	-0.066	-0.035	-0.164	-0.065	0.31	-0.132	-0.145	0.093	-0.145	0.25	-0.039	0.026	0.017	-0.102	0.347	-0.157	0.056	-0.059	-0.146	0.134	-0.04	0.027	-0.083	-0.151	0.302	-0.189	-0.101	-0.08	-0.125	0.197	-0.136	-0.006	-0.043	-0.219
q12	-0.18	0.343	0.032	0.225	0.062	-0.243	0.337	-0.018	0.177	0.126	-0.09	1	-0.011	0.031	0.072	-0.07	0.303	-0.016	0.133	0.04	-0.173	0.148	-0.025	0.055	0.185	-0.104	0.192	0.055	0.177	0.098	-0.054	0.117	0.008	0.125	0.051	-0.182	0.472	-0.038	0.248	0.09	-0.215	0.479	0.04	0.211	-0.011	-0.16	0.135	0.03	-0.024	0.046	-0.176	0.244	0.014	0.078	0.14	-0.113	0.105	-0.028	0.019	0.036
q13	0.061	0.183	0.106	0.123	0.104	-0.128	0.142	0.005	0.07	0.13	0.014	-0.011	1	0.031	0.186	-0.055	0.213	0.02	0.112	0.103	-0.092	0.143	0.319	0.068	0.051	-0.067	0.095	0.176	0.146	0.279	0.017	0.053	0.109	0.063	0.157	0.066	0.046	-0.033	0.055	0.027	-0.069	0.096	0.339	0.113	-0.125	0.093	0.11	0.37	0.114	0.075	-0.015	0.086	0.141	-0.001	0.016	0.079	0.094	0.237	0.061	0.108
q14	0.052	-0.134	0.068	0.226	0.067	0.013	0.181	-0.033	0.117	0.029	-0.018	0.031	0.031	1	0.146	-0.075	0.033	0.184	0.103	0.315	-0.015	0.002	0.015	0.233	0.08	-0.123	-0.054	-0.025	0.098	0.19	-0.045	-0.067	0.21	0.237	0.043	-0.077	0.08	0.092	0.282	0.081	0.084	0.084	-0.063	0.202	0.165	-0.044	0.099	-0.052	0.222	0.058	0.063	0.009	-0.027	0.133	0.091	-0.058	0.01	-0.133	0.112	0.07
q15	0.077	0.018	-0.151	0.159	0.327	-0.285	-0.027	0.037	0.217	0.306	-0.195	0.072	0.186	0.146	1	0.037	0.179	0.119	-0.063	0.223	-0.148	0.081	0.166	0.093	0.182	-0.218	0.056	0.047	-0.005	0.24	-0.099	0.058	0.14	0.027	0.305	0.026	0.171	-0.11	0.075	0.282	-0.2	0.185	0.036	0.009	0.13	0.036	0.231	0.102	0.218	0.304	-0.216	0.282	0.148	-0.031	0.303	-0.056	0.209	0.038	0.1	0.29
q16	0.171	0	0.051	-0.064	-0.043	-0.012	-0.063	-0.004	-0.109	-0.149	0.073	-0.07	-0.055	-0.075	0.037	1	-0.148	0.059	-0.096	-0.019	0.075	-0.045	0.011	-0.145	-0.103	0.191	-0.034	-0.047	0.118	-0.045	0.308	-0.111	0.043	-0.132	-0.063	0.124	-0.14	0.056	-0.037	0.008	0.224	-0.145	-0.013	-0.098	-0.081	0.458	-0.14	0.046	-0.064	-0.06	0.08	-0.119	-0.022	0.057	0.01	0.113	-0.096	0.116	-0.092	0.037
q17	-0.075	0.432	-0.017	0.245	0.214	-0.128	0.251	-0.124	0.13	0.353	-0.11	0.303	0.213	0.033	0.179	-0.148	1	0.01	0.054	0.218	-0.211	0.34	0.125	0.1	0.284	-0.099	0.148	0.079	-0.037	0.265	-0.071	0.261	0.063	0.234	0.302	-0.038	0.383	-0.087	0.188	0.209	-0.193	0.202	0.069	0.031	0.113	-0.107	0.115	0.123	0.191	0.204	-0.17	0.349	0.238	0.044	0.2	-0.138	0.113	0.035	0.002	0.256
q18	0.152	0.016	0.026	0.05	0.092	0.057	0.076	0.151	0.011	0.113	-0.119	-0.016	0.02	0.184	0.119	0.059	0.01	1	-0.012	0.082	-0.043	-0.133	0.086	0.074	0.031	-0.043	0.031	-0.093	0.056	0.256	0.048	-0.158	0.203	-0.055	0.192	0.023	0.02	0.15	0.193	0.082	-0.037	0.048	0.077	0.075	0.121	0.042	0.008	0.122	0.043	0.101	0.012	-0.035	0.012	0.127	0.113	0.081	0.009	0.026	0.12	0.089
q19	0.073	0.064	0.062	0.161	-0.124	0.003	0.059	0.156	-0.017	-0.112	0.067	0.133	0.112	0.103	-0.063	-0.096	0.054	-0.012	1	0.28	-0.004	-0.002	0.117	0.06	-0.058	0.056	0.039	0.012	-0.057	-0.017	0.107	-0.039	-0.031	0.035	-0.002	-0.099	0.019	0.069	0.092	-0.027	-0.017	0.047	0.081	0.047	0	-0.044	-0.136	0.073	0.039	-0.196	0.098	-0.093	-0.027	0.149	-0.115	0.102	-0.072	0.019	0.021	-0.127
q20	0.026	0.03	0.032	0.354	0.128	-0.149	0.057	-0.067	0.076	0.215	-0.108	0.04	0.103	0.315	0.223	-0.019	0.218	0.082	0.28	1	-0.034	0.35	0.068	0.09	0.234	-0.105	-0.021	0.202	-0.092	0.133	-0.103	0.108	-0.035	0.107	0.242	0.042	0.097	-0.077	0.025	0.344	0.068	0.071	-0.028	0.059	0.175	-0.043	0.124	-0.082	0.425	0.305	-0.042	0.19	0.047	0.024	0.132	-0.148	0.084	-0.039	0.119	0.264
q21	0.055	-0.123	0.04	-0.076	-0.099	0.288	0.12	-0.109	-0.214	-0.121	0.293	-0.173	-0.092	-0.015	-0.148	0.075	-0.211	-0.043	-0.004	-0.034	1	-0.034	-0.235	-0.151	-0.232	0.144	-0.29	0.015	-0.149	-0.076	0.193	-0.053	0.074	-0.056	-0.093	0.255	-0.141	0.11	-0.165	-0.151	0.358	-0.202	0.051	-0.153	-0.207	0.266	0.144	-0.111	-0.007	-0.09	0.211	-0.071	0.049	0.085	-0.258	0.086	-0.051	0.007	-0.075	-0.183
q22	-0.081	0.293	0.015	0.167	0.04	-0.236	0.218	-0.005	0.09	0.258	-0.216	0.148	0.143	0.002	0.081	-0.045	0.34	-0.133	-0.002	0.35	-0.034	1	0.088	0.103	0.271	-0.033	0.147	0.129	0.051	0.024	-0.216	0.346	-0.047	0.023	0.176	0.011	0.236	-0.06	-0.04	0.223	-0.083	0.197	0.089	-0.023	0.012	-0.09	0.23	-0.028	0.263	0.222	-0.31	0.42	0.36	-0.111	0.164	-0.084	0.206	0.064	0.062	0.222
q23	0.062	0.058	-0.012	0.021	-0.083	-0.126	0.02	0.148	0.055	0.019	-0.086	-0.025	0.319	0.015	0.166	0.011	0.125	0.086	0.117	0.068	-0.235	0.088	1	0.079	-0.001	-0.035	0.056	0.213	0.135	0.109	-0.011	0.079	0.066	0.098	0.051	-0.18	0.056	0.032	0.095	0.072	-0.137	0.056	0.369	0.044	0.037	0.048	0.153	0.397	0.049	-0.081	0.021	0.066	0.092	0.013	0.037	0.206	0.003	0.176	0.003	0.035
q24	0.117	-0.02	-0.066	0.075	0.045	-0.091	-0.001	0.132	0.182	-0.015	-0.152	0.055	0.068	0.233	0.093	-0.145	0.1	0.074	0.06	0.09	-0.151	0.103	0.079	1	-0.054	-0.152	0.188	-0.037	0.238	0.145	-0.081	-0.016	0.168	0.126	-0.046	-0.324	0.051	-0.027	0.329	0.099	-0.098	0.126	0.007	0.32	0.069	-0.162	0.022	0.078	0.094	0.013	-0.161	0	0.006	0.225	0.083	-0.105	0.006	-0.128	0.272	-0.105
q25	-0.047	0.123	-0.066	0.206	0.37	-0.216	0.194	-0.09	0.078	0.324	-0.268	0.185	0.051	0.08	0.182	-0.103	0.284	0.031	-0.058	0.234	-0.232	0.271	-0.001	-0.054	1	-0.142	0.076	-0.037	0.002	0.204	-0.218	0.147	-0.016	0.137	0.385	-0.006	0.269	-0.178	0.07	0.273	-0.206	0.117	0.022	-0.042	0.182	-0.092	0.127	-0.072	0.18	0.336	-0.19	0.304	0.163	-0.221	0.281	-0.171	0.137	-0.061	-0.018	0.458
q26	0.061	-0.033	0.191	-0.221	-0.284	0.242	0.035	0.043	-0.158	-0.234	0.146	-0.104	-0.067	-0.123	-0.218	0.191	-0.099	-0.043	0.056	-0.105	0.144	-0.033	-0.035	-0.152	-0.142	1	-0.102	-0.059	-0.071	-0.26	0.19	0.059	-0.025	-0.088	-0.224	0.043	-0.157	0.207	-0.107	-0.211	0.265	-0.167	0.039	-0.046	-0.26	0.101	-0.073	0.009	-0.179	-0.206	0.366	-0.171	-0.085	-0.049	-0.143	0.232	-0.151	0.012	-0.028	-0.163
q27	-0.031	0.223	-0.073	0.03	0.074	-0.198	0.038	0.116	0.098	0.091	-0.066	0.192	0.095	-0.054	0.056	-0.034	0.148	0.031	0.039	-0.021	-0.29	0.147	0.056	0.188	0.076	-0.102	1	-0.126	0.347	0.217	0.072	0.106	0.148	-0.011	0.09	-0.15	0.108	0.093	0.118	0.034	-0.229	0.215	0.136	0.271	0.093	-0.173	0.014	0.15	0.115	0.142	-0.168	0.168	0.068	0.01	0.123	-0.022	0.211	-0.041	0.056	0.029
q28	-0.06	0.061	0.056	0.174	-0.004	-0.074	0.154	-0.012	-0.021	0.038	-0.035	0.055	0.176	-0.025	0.047	-0.047	0.079	-0.093	0.012	0.202	0.015	0.129	0.213	-0.037	-0.037	-0.059	-0.126	1	-0.019	-0.066	-0.009	0.014	-0.06	0.104	0.052	0.024	0.057	0.021	-0.034	0.13	0.041	0.102	0.167	0.053	0.068	0.092	0.129	0.144	0.129	0.062	0.066	0.043	0.112	0.134	-0.071	-0.142	0.052	0.089	0.09	0.066
q29	0.048	0.046	-0.004	0.027	-0.034	-0.107	0.01	0.147	0.138	0.037	-0.164	0.177	0.146	0.098	-0.005	0.118	-0.037	0.056	-0.057	-0.092	-0.149	0.051	0.135	0.238	0.002	-0.071	0.347	-0.019	1	0.139	-0.066	0.007	0.08	-0.108	-0.001	-0.358	-0.018	0.112	0.203	0.051	-0.112	0.168	0.069	0.287	-0.035	0.003	0.065	0.205	0.079	-0.031	-0.151	-0.017	-0.029	0.126	0.026	0.044	0.025	-0.03	-0.016	-0.012
q30	0.024	0.227	-0.123	0.158	0.27	-0.201	0.115	0.034	0.143	0.233	-0.065	0.098	0.279	0.19	0.24	-0.045	0.265	0.256	-0.017	0.133	-0.076	0.024	0.109	0.145	0.204	-0.26	0.217	-0.066	0.139	1	-0.087	-0.007	0.236	0.023	0.321	0.017	0.244	-0.169	0.158	0.098	-0.278	0.237	0.029	0.214	0.223	0.054	0.26	0.152	0.22	0.264	-0.135	0.228	0.155	0.114	0.271	-0.045	0.213	-0.058	0.091	0.18
q31	0.214	0.034	0.167	-0.057	-0.093	0.221	0.067	0.047	-0.093	-0.185	0.31	-0.054	0.017	-0.045	-0.099	0.308	-0.071	0.048	0.107	-0.103	0.193	-0.216	-0.011	-0.081	-0.218	0.19	0.072	-0.009	-0.066	-0.087	1	-0.08	0.03	-0.064	-0.078	0.131	-0.05	0.083	0.003	-0.178	0.194	-0.132	0.129	-0.027	-0.124	0.345	-0.182	0.177	-0.058	-0.168	0.235	-0.213	-0.098	0.056	-0.102	0.062	-0.148	0.067	-0.067	-0.131
q32	-0.103	0.232	0.198	0.092	0.069	-0.043	0.083	0.046	0.055	0.169	-0.132	0.117	0.053	-0.067	0.058	-0.111	0.261	-0.158	-0.039	0.108	-0.053	0.346	0.079	-0.016	0.147	0.059	0.106	0.014	0.007	-0.007	-0.08	1	-0.096	0.129	0.101	0.027	0.228	-0.092	-0.087	0.106	-0.053	0.144	0.139	-0.122	-0.054	-0.146	0.204	0.055	0.127	0.167	-0.089	0.33	0.22	-0.089	0.063	-0.006	0.052	0.155	-0.209	0.167
q33	0.119	-0.093	-0.035	-0.007	-0.078	-0.097	0.085	0.155	-0.009	0.039	-0.145	0.008	0.109	0.21	0.14	0.043	0.063	0.203	-0.031	-0.035	0.074	-0.047	0.066	0.168	-0.016	-0.025	0.148	-0.06	0.08	0.236	0.03	-0.096	1	-0.129	0.012	-0.142	-0.019	0.137	0.156	0.048	-0.145	0.114	0.181	0.103	0.031	0.038	-0.005	0.165	0.132	0.069	-0.013	-0.047	0.084	0.115	-0.009	0.074	0.091	0.124	0.125	-0.005
q34	-0.016	0.151	-0.082	0.327	0.162	-0.042	0.129	-0.061	0.198	0.062	0.093	0.125	0.063	0.237	0.027	-0.132	0.234	-0.055	0.035	0.107	-0.056	0.023	0.098	0.126	0.137	-0.088	-0.011	0.104	-0.108	0.023	-0.064	0.129	-0.129	1	0.124	0.092	0.308	-0.07	0.286	0.073	0.131	0.037	0.038	0.169	0.033	-0.169	0.135	-0.012	0.223	0.021	0.011	0.162	0.139	0.182	0.071	-0.127	-0.185	-0.002	-0.01	0.06
q35	0.094	0.255	-0.105	0.204	0.319	-0.18	0.061	-0.172	0.15	0.341	-0.145	0.051	0.157	0.043	0.305	-0.063	0.302	0.192	-0.002	0.242	-0.093	0.176	0.051	-0.046	0.385	-0.224	0.09	0.052	-0.001	0.321	-0.078	0.101	0.012	0.124	1	0.205	0.348	-0.209	0.059	0.271	-0.154	0.255	0.075	-0.071	0.179	-0.038	0.329	0.084	0.329	0.35	-0.138	0.4	0.212	-0.055	0.252	-0.11	0.086	0.077	-0.001	0.407
q36	0.127	0.058	0.013	-0.064	0.063	0.136	0.126	-0.098	-0.218	0.086	0.25	-0.182	0.066	-0.077	0.026	0.124	-0.038	0.023	-0.099	0.042	0.255	0.011	-0.18	-0.324	-0.006	0.043	-0.15	0.024	-0.358	0.017	0.131	0.027	-0.142	0.092	0.205	1	0.062	-0.166	-0.176	0.049	0.262	-0.105	0.008	-0.177	-0.047	0.211	0.135	-0.178	-0.006	0.038	0.177	0.084	-0.056	-0.134	-0.01	0.147	0	0.132	0.035	0.068
q37	-0.142	0.39	-0.071	0.25	0.126	-0.22	0.277	-0.095	0.152	0.236	-0.039	0.472	0.046	0.08	0.171	-0.14	0.383	0.02	0.019	0.097	-0.141	0.236	0.056	0.051	0.269	-0.157	0.108	0.057	-0.018	0.244	-0.05	0.228	-0.019	0.308	0.348	0.062	1	-0.274	0.239	0.221	-0.148	0.42	-0.008	0.072	0.147	-0.097	0.238	0.037	0.198	0.225	-0.195	0.471	0.219	-0.035	0.2	-0.112	0.06	-0.037	-0.042	0.22
q38	0.028	-0.077	0.123	0.029	-0.12	0.132	0.125	0.242	-0.091	-0.149	0.026	-0.038	-0.033	0.092	-0.11	0.056	-0.087	0.15	0.069	-0.077	0.11	-0.06	0.032	-0.027	-0.178	0.207	0.093	0.021	0.112	-0.169	0.083	-0.092	0.137	-0.07	-0.209	-0.166	-0.274	1	0.123	-0.191	0.035	-0.057	-0.013	0.044	-0.133	-0.03	-0.124	0.026	-0.162	-0.142	0.127	-0.166	-0.07	0.074	-0.168	-0.013	0.049	-0.004	0.03	-0.244
q39	-0.031	0.074	-0.015	0.182	0.031	-0.137	0.196	0.079	0.186	0.007	0.017	0.248	0.055	0.282	0.075	-0.037	0.188	0.193	0.092	0.025	-0.165	-0.04	0.095	0.329	0.07	-0.107	0.118	-0.034	0.203	0.158	0.003	-0.087	0.156	0.286	0.059	-0.176	0.239	0.123	1	0.155	-0.009	0.264	-0.045	0.339	0.047	-0.177	0.017	0.018	0.117	0	-0.114	0.06	-0.045	0.075	0.161	0.055	-0.073	-0.059	0.079	-0.063
q40	0.054	-0.015	-0.05	0.154	0.18	-0.184	0.019	-0.084	0.129	0.253	-0.102	0.09	0.027	0.081	0.282	0.008	0.209	0.082	-0.027	0.344	-0.151	0.223	0.072	0.099	0.273	-0.211	0.034	0.13	0.051	0.098	-0.178	0.106	0.048	0.073	0.271	0.049	0.221	-0.191	0.155	1	-0.149	0.181	-0.058	0.006	0.24	0.031	0.106	-0.022	0.386	0.379	-0.185	0.367	0.177	-0.052	0.419	-0.13	0.12	0.063	0.044	0.39
q41	0.088	-0.063	0.024	-0.008	-0.112	0.312	-0.017	-0.141	-0.233	-0.191	0.347	-0.215	-0.069	0.084	-0.2	0.224	-0.193	-0.037	-0.017	0.068	0.358	-0.083	-0.137	-0.098	-0.206	0.265	-0.229	0.041	-0.112	-0.278	0.194	-0.053	-0.145	0.131	-0.154	0.262	-0.148	0.035	-0.009	-0.149	1	-0.224	-0.049	-0.031	-0.186	0.149	-0.036	-0.122	0.005	-0.209	0.352	-0.2	-0.126	0.101	-0.318	0.141	-0.208	-0.015	0.071	-0.168
q42	-0.111	0.216	-0.087	0.242	0.097	-0.288	0.204	-0.01	0.225	0.255	-0.157	0.479	0.096	0.084	0.185	-0.145	0.202	0.048	0.047	0.071	-0.202	0.197	0.056	0.126	0.117	-0.167	0.215	0.102	0.168	0.237	-0.132	0.144	0.114	0.037	0.255	-0.105	0.42	-0.057	0.264	0.181	-0.224	1	0.06	0.314	0.09	-0.184	0.363	0.152	0.141	0.198	-0.304	0.416	0.082	0.033	0.267	-0.05	0.22	-0.026	0.004	0.116
q43	0.126	0.113	0.132	0.018	0.071	-0.136	0.056	0.081	0.067	0.105	0.056	0.04	0.339	-0.063	0.036	-0.013	0.069	0.077	0.081	-0.028	0.051	0.089	0.369	0.007	0.022	0.039	0.136	0.167	0.069	0.029	0.129	0.139	0.181	0.038	0.075	0.008	-0.008	-0.013	-0.045	-0.058	-0.049	0.06	1	-0.052	-0.102	0.011	0.177	0.443	0	-0.012	0.03	0.084	0.196	0.011	0.001	0.179	-0.01	0.298	-0.03	0.092
q44	0.035	0.107	-0.018	0.238	-0.012	-0.079	0.025	0.178	0.168	-0.097	-0.059	0.211	0.113	0.202	0.009	-0.098	0.031	0.075	0.047	0.059	-0.153	-0.023	0.044	0.32	-0.042	-0.046	0.271	0.053	0.287	0.214	-0.027	-0.122	0.103	0.169	-0.071	-0.177	0.072	0.044	0.339	0.006	-0.031	0.314	-0.052	1	0.096	-0.08	0.059	0.183	0.15	-0.023	-0.106	0.06	-0.059	0.184	0.096	-0.065	0.117	-0.124	0.119	-0.142
q45	-0.031	0.054	-0.137	0.193	0.161	-0.101	-0.11	0.017	0.069	0.178	-0.146	-0.011	-0.125	0.165	0.13	-0.081	0.113	0.121	0	0.175	-0.207	0.012	0.037	0.069	0.182	-0.26	0.093	0.068	-0.035	0.223	-0.124	-0.054	0.031	0.033	0.179	-0.047	0.147	-0.133	0.047	0.24	-0.186	0.09	-0.102	0.096	1	-0.045	0.124	0.032	0.186	0.258	-0.221	0.221	0.213	0.077	0.332	-0.217	0.07	-0.076	0.128	0.27
q46	0.23	-0.047	0.05	-0.074	-0.061	0.12	-0.042	-0.032	-0.158	-0.127	0.134	-0.16	0.093	-0.044	0.036	0.458	-0.107	0.042	-0.044	-0.043	0.266	-0.09	0.048	-0.162	-0.092	0.101	-0.173	0.092	0.003	0.054	0.345	-0.146	0.038	-0.169	-0.038	0.211	-0.097	-0.03	-0.177	0.031	0.149	-0.184	0.011	-0.08	-0.045	1	-0.042	0.059	-0.023	-0.007	0.128	-0.036	0.044	-0.051	-0.055	0.038	0.007	0.132	-0.133	-0.027
q47	0.021	0.21	-0.035	0.174	0.144	-0.152	0.119	0.038	0.155	0.181	-0.04	0.135	0.11	0.099	0.231	-0.14	0.115	0.008	-0.136	0.124	0.144	0.23	0.153	0.022	0.127	-0.073	0.014	0.129	0.065	0.26	-0.182	0.204	-0.005	0.135	0.329	0.135	0.238	-0.124	0.017	0.106	-0.036	0.363	0.177	0.059	0.124	-0.042	1	0.063	0.17	0.264	-0.191	0.566	0.205	-0.049	0.154	0.065	0.21	-0.026	-0.061	0.125
q48	0.078	0.103	0.082	0.108	-0.018	-0.101	0.01	0.146	0.11	-0.023	0.027	0.03	0.37	-0.052	0.102	0.046	0.123	0.122	0.073	-0.082	-0.111	-0.028	0.397	0.078	-0.072	0.009	0.15	0.144	0.205	0.152	0.177	0.055	0.165	-0.012	0.084	-0.178	0.037	0.026	0.018	-0.022	-0.122	0.152	0.443	0.183	0.032	0.059	0.063	1	0.012	-0.038	0.007	0.069	0.229	0.134	0.072	0.054	0.072	0.305	-0.024	0.124
q49	0.019	0.085	-0.04	0.288	0.103	-0.173	0.044	-0.083	0.109	0.208	-0.083	-0.024	0.114	0.222	0.218	-0.064	0.191	0.043	0.039	0.425	-0.007	0.263	0.049	0.094	0.18	-0.179	0.115	0.129	0.079	0.22	-0.058	0.127	0.132	0.223	0.329	-0.006	0.198	-0.162	0.117	0.386	0.005	0.141	0	0.15	0.186	-0.023	0.17	0.012	1	0.408	-0.193	0.269	0.162	0.155	0.196	-0.107	0.165	0.071	0.063	0.224
q50	-0.054	0.132	-0.088	0.177	0.334	-0.225	0.089	-0.107	0.121	0.4	-0.151	0.046	0.075	0.058	0.304	-0.06	0.204	0.101	-0.196	0.305	-0.09	0.222	-0.081	0.013	0.336	-0.206	0.142	0.062	-0.031	0.264	-0.168	0.167	0.069	0.021	0.35	0.038	0.225	-0.142	0	0.379	-0.209	0.198	-0.012	-0.023	0.258	-0.007	0.264	-0.038	0.408	1	-0.307	0.445	0.118	-0.057	0.287	-0.23	0.078	-0.024	-0.069	0.428
q51	0.158	-0.168	0.258	-0.082	-0.149	0.37	0.071	-0.013	-0.259	-0.175	0.302	-0.176	-0.015	0.063	-0.216	0.08	-0.17	0.012	0.098	-0.042	0.211	-0.31	0.021	-0.161	-0.19	0.366	-0.168	0.066	-0.151	-0.135	0.235	-0.089	-0.013	0.011	-0.138	0.177	-0.195	0.127	-0.114	-0.185	0.352	-0.304	0.03	-0.106	-0.221	0.128	-0.191	0.007	-0.193	-0.307	1	-0.304	-0.145	0.067	-0.42	0.272	-0.181	0.105	-0.033	-0.138
q52	-0.111	0.292	-0.036	0.282	0.223	-0.327	0.159	-0.094	0.137	0.368	-0.189	0.244	0.086	0.009	0.282	-0.119	0.349	-0.035	-0.093	0.19	-0.071	0.42	0.066	0	0.304	-0.171	0.168	0.043	-0.017	0.228	-0.213	0.33	-0.047	0.162	0.4	0.084	0.471	-0.166	0.06	0.367	-0.2	0.416	0.084	0.06	0.221	-0.036	0.566	0.069	0.269	0.445	-0.304	1	0.42	-0.19	0.346	-0.058	0.206	0.002	-0.103	0.378
q53	-0.002	0.077	-0.038	0.212	0.077	-0.171	0.088	-0.026	-0.011	0.151	-0.101	0.014	0.141	-0.027	0.148	-0.022	0.238	0.012	-0.027	0.047	0.049	0.36	0.092	0.006	0.163	-0.085	0.068	0.112	-0.029	0.155	-0.098	0.22	0.084	0.139	0.212	-0.056	0.219	-0.07	-0.045	0.177	-0.126	0.082	0.196	-0.059	0.213	0.044	0.205	0.229	0.162	0.118	-0.145	0.42	1	-0.124	0.244	-0.023	0.117	0.214	-0.149	0.276
q54	0.037	-0.059	0.017	0.186	-0.016	0.021	-0.002	0.086	0.091	-0.093	-0.08	0.078	-0.001	0.133	-0.031	0.057	0.044	0.127	0.149	0.024	0.085	-0.111	0.013	0.225	-0.221	-0.049	0.01	0.134	0.126	0.114	0.056	-0.089	0.115	0.182	-0.055	-0.134	-0.035	0.074	0.075	-0.052	0.101	0.033	0.011	0.184	0.077	-0.051	-0.049	0.134	0.155	-0.057	0.067	-0.19	-0.124	1	-0.148	-0.101	-0.006	0.003	0.147	-0.221
q55	0.021	0.14	-0.039	0.118	0.252	-0.207	-0.032	-0.022	0.124	0.201	-0.125	0.14	0.016	0.091	0.303	0.01	0.2	0.113	-0.115	0.132	-0.258	0.164	0.037	0.083	0.281	-0.143	0.123	-0.071	0.026	0.271	-0.102	0.063	-0.009	0.071	0.252	-0.01	0.2	-0.168	0.161	0.419	-0.318	0.267	0.001	0.096	0.332	-0.055	0.154	0.072	0.196	0.287	-0.42	0.346	0.244	-0.148	1	-0.179	0.147	-0.019	0.05	0.344
q56	0.104	-0.116	0.068	-0.108	-0.186	0.14	0.047	0.153	-0.097	-0.185	0.197	-0.113	0.079	-0.058	-0.056	0.113	-0.138	0.081	0.102	-0.148	0.086	-0.084	0.206	-0.105	-0.171	0.232	-0.022	-0.142	0.044	-0.045	0.062	-0.006	0.074	-0.127	-0.11	0.147	-0.112	-0.013	0.055	-0.13	0.141	-0.05	0.179	-0.065	-0.217	0.038	0.065	0.054	-0.107	-0.23	0.272	-0.058	-0.023	-0.101	-0.179	1	-0.139	0.11	-0.1	-0.159
q57	-0.073	0.058	0.041	0.085	0.028	-0.144	0.054	0.121	0.086	0.123	-0.136	0.105	0.094	0.01	0.209	-0.096	0.113	0.009	-0.072	0.084	-0.051	0.206	0.003	0.006	0.137	-0.151	0.211	0.052	0.025	0.213	-0.148	0.052	0.091	-0.185	0.086	0	0.06	0.049	-0.073	0.12	-0.208	0.22	-0.01	0.117	0.07	0.007	0.21	0.072	0.165	0.078	-0.181	0.206	0.117	-0.006	0.147	-0.139	1	0.002	0.082	0.078
q58	-0.015	0.013	0.099	0.095	-0.036	-0.052	0.118	-0.025	-0.132	-0.047	-0.006	-0.028	0.237	-0.133	0.038	0.116	0.035	0.026	0.019	-0.039	0.007	0.064	0.176	-0.128	-0.061	0.012	-0.041	0.089	-0.03	-0.058	0.067	0.155	0.124	-0.002	0.077	0.132	-0.037	-0.004	-0.059	0.063	-0.015	-0.026	0.298	-0.124	-0.076	0.132	-0.026	0.305	0.071	-0.024	0.105	0.002	0.214	0.003	-0.019	0.11	0.002	1	-0.131	0.083
q59	0.135	0.083	-0.032	0.076	0.092	0.002	-0.032	0.087	-0.01	0.049	-0.043	0.019	0.061	0.112	0.1	-0.092	0.002	0.12	0.021	0.119	-0.075	0.062	0.003	0.272	-0.018	-0.028	0.056	0.09	-0.016	0.091	-0.067	-0.209	0.125	-0.01	-0.001	0.035	-0.042	0.03	0.079	0.044	0.071	0.004	-0.03	0.119	0.128	-0.133	-0.061	-0.024	0.063	-0.069	-0.033	-0.103	-0.149	0.147	0.05	-0.1	0.082	-0.131	1	-0.077
q60	-0.045	0.242	-0.067	0.137	0.323	-0.278	0.084	-0.198	0	0.391	-0.219	0.036	0.108	0.07	0.29	0.037	0.256	0.089	-0.127	0.264	-0.183	0.222	0.035	-0.105	0.458	-0.163	0.029	0.066	-0.012	0.18	-0.131	0.167	-0.005	0.06	0.407	0.068	0.22	-0.244	-0.063	0.39	-0.168	0.116	0.092	-0.142	0.27	-0.027	0.125	0.124	0.224	0.428	-0.138	0.378	0.276	-0.221	0.344	-0.159	0.078	0.083	-0.077	1

Number of factors extracted

Total Variance Explained

	Eigenvalue	Percent of Variance	Cumulative Percent
1	8	13.3%	13.3%
2	3.639	6.1%	19.4%
3	3.169	5.3%	24.7%
4	2.688	4.5%	29.2%
5	2.64	4.4%	33.6%
6	1.964	3.3%	36.9%
7	1.773	3%	39.9%
8	1.656	2.8%	42.7%
9	1.616	2.7%	45.4%
10	1.552	2.6%	48%
11	1.448	2.4%	50.4%
12	1.365	2.3%	52.7%
13	1.305	2.2%	54.9%
14	1.224	2%	56.9%
15	1.187	2%	58.9%
16	1.141	1.9%	60.8%
17	1.114	1.9%	62.7%
18	1.089	1.8%	64.5%
19	1.037	1.7%	66.2%
20	0.993	1.7%	67.9%
21	0.952	1.6%	69.5%
22	0.926	1.5%	71%
23	0.87	1.4%	72.4%
24	0.835	1.4%	73.8%
25	0.822	1.4%	75.2%
26	0.789	1.3%	76.5%
27	0.762	1.3%	77.8%
28	0.707	1.2%	79%
29	0.701	1.2%	80.2%
30	0.669	1.1%	81.3%
31	0.65	1.1%	82.4%
32	0.635	1.1%	83.5%
33	0.608	1%	84.5%
34	0.58	1%	85.5%
35	0.56	0.9%	86.4%
36	0.549	0.9%	87.3%
37	0.534	0.9%	88.2%
38	0.524	0.9%	89.1%
39	0.507	0.8%	89.9%
40	0.475	0.8%	90.7%
41	0.462	0.8%	91.5%
42	0.414	0.7%	92.2%
43	0.394	0.7%	92.9%
44	0.387	0.6%	93.5%
45	0.371	0.6%	94.1%
46	0.351	0.6%	94.7%
47	0.339	0.6%	95.3%
48	0.317	0.5%	95.8%
49	0.311	0.5%	96.3%
50	0.293	0.5%	96.8%
51	0.279	0.5%	97.3%
52	0.27	0.5%	97.8%
53	0.253	0.4%	98.2%
54	0.228	0.4%	98.6%
55	0.213	0.4%	99%
56	0.205	0.3%	99.3%
57	0.189	0.3%	99.6%
58	0.181	0.3%	99.9%
59	0.158	0.3%	100.2%
60	0.132	0.2%	100.4%

Communalities

	communality
q1	0.644
q2	0.718
q3	0.724
q4	0.632
q5	0.712
q6	0.565
q7	0.674
q8	0.565
q9	0.547
q10	0.604
q11	0.689
q12	0.717
q13	0.659
q14	0.634
q15	0.539
q16	0.74
q17	0.609
q18	0.592
q19	0.768
q20	0.759
q21	0.707
q22	0.757
q23	0.659
q24	0.654
q25	0.56
q26	0.466
q27	0.713
q28	0.697
q29	0.684
q30	0.698
q31	0.618
q32	0.639
q33	0.675
q34	0.682
q35	0.562
q36	0.689
q37	0.697
q38	0.704
q39	0.671
q40	0.634
q41	0.684
q42	0.647
q43	0.587
q44	0.601
q45	0.661
q46	0.735
q47	0.784
q48	0.667
q49	0.688
q50	0.589
q51	0.62
q52	0.734
q53	0.72
q54	0.706
q55	0.658
q56	0.69
q57	0.587
q58	0.631
q59	0.708
q60	0.653

Component Matrix

	PC1	PC2	PC3	PC4	PC5	PC6	PC7	PC8	PC9	PC10	PC11	PC12	PC13	PC14	PC15	PC16	PC17	PC18	PC19
q1	-0.109	0.042	0.243	0.177	0.436	0.076	0.025	0.112	0.018	0.143	0.39	0.099	0.016	0.253	-0.06	-0.168	-0.211	0.087	-0.029
q2	0.399	-0.055	0.214	-0.067	-0.335	0.306	-0.107	0.128	0.079	-0.292	0.311	-0.023	0.064	-0.08	0.17	-0.112	0.161	-0.015	-0.063
q3	-0.176	0.026	0.315	-0.022	-0.059	-0.157	0.235	0.296	0.153	0.133	0.144	-0.102	0.08	0.357	-0.251	0.206	-0.208	-0.244	-0.075
q4	0.431	0.105	0.17	0.394	-0.148	-0.154	-0.06	-0.092	0.099	-0.093	-0.142	-0.059	0.054	0.131	-0.075	-0.031	0.124	0.281	0.177
q5	0.457	-0.203	-0.081	0.161	0.172	0.233	-0.279	0.161	-0.17	-0.172	0.064	0.25	0.08	0.24	-0.012	0.018	-0.006	0.202	0.11
q6	-0.516	-0.106	0.08	0.245	-0.047	0.074	0.088	0.113	-0.072	0.095	0.168	-0.119	0.281	0.056	-0.034	0.15	0.039	-0.1	-0.14
q7	0.218	0.002	0.322	0.187	-0.379	0.183	0.176	0.264	-0.093	-0.121	-0.375	0.043	-0.078	0.002	0.077	0.136	-0.083	0.08	-0.032
q8	-0.085	0.412	0.134	-0.171	0.114	-0.071	0.294	0.173	-0.08	0.108	0.174	-0.241	0.037	0.165	0.122	-0.179	0.067	0.074	0.124
q9	0.34	0.273	-0.118	0.028	-0.054	-0.005	-0.159	-0.232	-0.022	0.127	0.014	0.193	-0.096	0.256	-0.279	-0.075	-0.157	0.152	0.006
q10	0.566	-0.238	-0.034	-0.003	0.078	0.099	-0.062	0.264	-0.226	-0.168	-0.01	0.215	-0.016	0.065	0.026	-0.048	0.012	-0.053	0.018
q11	-0.366	-0.154	0.274	0.297	-0.18	0.26	-0.068	-0.174	-0.003	0.075	0.096	-0.138	0.043	-0.136	-0.102	0.351	-0.068	0.162	0.118
q12	0.385	0.254	0.026	-0.034	-0.493	0.255	0.045	0.072	0.194	-0.122	-0.142	-0.099	-0.211	0.145	-0.036	-0.111	-0.116	-0.104	-0.024
q13	0.237	0.119	0.522	-0.086	0.111	-0.071	-0.2	0.011	-0.189	-0.152	0.093	0.102	-0.168	-0.137	-0.095	0.299	-0.067	0.072	-0.133
q14	0.176	0.247	0.002	0.551	0.106	-0.097	0.139	0.105	-0.058	0.227	-0.211	0.076	0.015	0.024	-0.077	0.141	0.018	0.075	-0.224
q15	0.478	-0.032	0.038	0.024	0.368	0.016	-0.009	-0.059	-0.101	0.047	-0.03	0.038	-0.254	0.132	-0.004	-0.101	-0.184	0.136	0.096
q16	-0.212	-0.116	0.224	-0.006	0.307	0.235	0.095	-0.082	0.556	-0.078	-0.045	0.218	-0.168	0.036	0.169	-0.185	0.064	0.063	0.021
q17	0.544	-0.027	0.185	0.042	-0.246	0.035	-0.138	0.255	0.064	-0.106	0.057	-0.025	0.144	-0.132	0.021	-0.064	-0.148	-0.018	-0.215
q18	0.109	0.192	0.126	0.189	0.389	0.251	0.077	0.283	-0.118	0.107	-0.166	-0.115	0.082	0.095	0.14	-0.173	0.174	-0.16	0.068
q19	-0.043	0.239	0.209	0.181	-0.152	-0.223	-0.113	0.215	0.1	0.009	0.082	-0.336	-0.214	-0.199	-0.32	-0.324	0.107	0.259	0.005
q20	0.385	-0.117	0.065	0.426	0.093	-0.444	0.128	0.183	0.138	-0.034	0.1	-0.016	-0.246	-0.096	-0.158	-0.044	0.146	0.085	-0.006
q21	-0.349	-0.298	0.225	0.265	-0.037	0.046	0.36	-0.248	-0.208	-0.155	-0.142	0.116	0.167	-0.052	-0.051	-0.139	-0.093	0.095	-0.1
q22	0.469	-0.155	0.13	-0.14	-0.234	-0.329	0.327	0.094	0.095	-0.095	0.192	0.183	-0.035	-0.196	0.17	-0.071	-0.09	0.148	-0.081
q23	0.157	0.252	0.437	-0.22	0.136	-0.24	-0.269	-0.043	-0.072	0.187	0.025	-0.064	-0.204	0.009	0.202	0.008	0.163	0.005	-0.165
q24	0.197	0.54	-0.113	0.171	0.068	-0.116	-0.001	-0.037	-0.038	0.074	0.217	0.209	0.129	-0.142	0.12	-0.035	-0.29	-0.026	-0.165
q25	0.535	-0.234	-0.117	-0.005	0.012	0.02	-0.051	0.351	0.047	0.099	-0.08	0.068	-0.039	0.052	-0.028	0.107	0.091	0.117	-0.131
q26	-0.421	-0.069	0.246	-0.063	-0.167	0.008	0.198	0.212	0.15	0.148	0.118	0.104	-0.013	0.041	0.148	-0.042	0.083	-0.059	-0.051
q27	0.292	0.361	0.032	-0.238	-0.022	0.227	0.098	0.1	0.113	-0.115	0.255	0.096	0.169	-0.265	-0.149	0.138	0.176	0.072	0.303
q28	0.126	-0.029	0.273	0.107	-0.071	-0.398	-0.075	-0.177	0.016	-0.36	-0.085	-0.125	-0.178	0.269	0.257	0.174	0.062	-0.181	-0.067
q29	0.135	0.489	0.05	-0.188	0.086	0.101	0.121	-0.081	0.193	-0.006	0.033	0.425	-0.031	0.011	-0.027	0.149	0.289	-0.103	-0.114
q30	0.477	0.159	0.112	0.11	0.261	0.34	0.037	-0.047	-0.215	-0.08	0.02	-0.119	0.071	-0.188	-0.17	0.032	0.118	-0.015	-0.285
q31	-0.321	0.005	0.394	0.131	0.084	0.323	-0.057	0.013	0.353	-0.132	0.096	-0.07	0.1	0.05	-0.171	-0.058	-0.131	0.074	0.058
q32	0.287	-0.203	0.204	-0.24	-0.336	-0.213	0.127	0.102	0.047	0.171	0.181	0.176	0.249	0.088	-0.153	-0.11	-0.046	-0.16	0.056
q33	0.09	0.324	0.176	-0.007	0.338	0.082	0.242	0.105	-0.16	-0.029	-0.339	0.057	0.129	-0.285	0.017	-0.128	-0.251	-0.13	-0.016
q34	0.247	0.033	0.108	0.441	-0.328	-0.079	-0.346	-0.137	-0.006	0.219	0.033	0.101	0.228	0.101	0.149	-0.018	-0.046	0.079	0.098
q35	0.564	-0.263	0.134	0.116	0.157	0.147	-0.096	0.03	-0.104	0.05	0.061	-0.025	-0.02	0	-0.132	-0.137	0.139	-0.11	0.039
q36	-0.088	-0.563	0.221	0.235	0.035	0.236	0.078	-0.037	-0.19	-0.019	0.173	-0.151	-0.156	-0.054	0.089	0.023	-0.08	-0.068	0.246
q37	0.558	-0.061	0.098	0.105	-0.388	0.253	-0.044	-0.07	0.096	0.105	-0.031	-0.177	-0.029	-0.046	0.034	-0.152	-0.1	-0.182	-0.132
q38	-0.255	0.313	0.103	0.006	-0.031	-0.054	0.302	0.297	-0.007	-0.138	-0.227	0.07	0.152	0.233	0.159	0.056	0.144	0.315	0.214
q39	0.238	0.472	0.018	0.308	-0.139	0.215	-0.04	0.054	0.115	0.317	-0.161	0.071	-0.079	-0.076	0.203	0.096	-0.119	0.002	0.078
q40	0.499	-0.16	-0.048	0.141	0.232	-0.167	0.087	-0.009	0.283	0.197	-0.021	-0.049	-0.14	-0.054	0.067	0.138	-0.169	-0.184	0.136
q41	-0.421	-0.215	0.195	0.46	-0.119	-0.037	0.056	-0.131	0.046	-0.002	0.137	0.259	-0.02	-0.079	0.221	0.015	0.146	-0.04	0.084
q42	0.537	0.25	0.048	-0.062	-0.244	0.207	0.192	-0.179	-0.034	0.01	-0.071	-0.1	-0.218	0.113	-0.035	-0.024	-0.004	-0.162	0.115
q43	0.109	0.08	0.597	-0.268	0.08	-0.083	-0.201	-0.012	-0.206	0.01	0.027	0.113	0.065	0.064	-0.014	-0.021	-0.078	0.02	0.121
q44	0.185	0.577	0.007	0.203	-0.067	0.103	0.108	-0.207	0.091	-0.023	0.17	-0.028	0.013	0.02	0.033	0.251	0.14	-0.011	0.029
q45	0.377	0.001	-0.227	0.138	0.269	-0.063	-0.057	-0.076	0.102	0.02	0.018	-0.431	0.284	0.018	0.148	-0.018	0.247	-0.013	-0.042
q46	-0.209	-0.241	0.323	0.046	0.367	0.186	0.139	-0.228	0.343	-0.175	-0.05	-0.019	-0.121	0.046	0.008	-0.034	-0.044	0.11	-0.321
q47	0.432	-0.123	0.214	0.001	-0.094	0.056	0.321	-0.379	-0.365	0.165	0.128	0.027	-0.035	0.237	0.054	-0.071	0.169	0.003	-0.075
q48	0.145	0.305	0.547	-0.268	0.18	-0.028	-0.248	-0.142	0.037	-0.061	-0.024	-0.098	0.173	0.082	-0.025	0.107	0.046	-0.039	0
q49	0.464	-0.042	0.093	0.335	0.151	-0.265	0.16	-0.142	0.129	-0.002	0.054	0.105	0.068	-0.277	-0.181	0.04	0.061	-0.177	0.172
q50	0.572	-0.268	-0.102	0.066	0.198	0.014	0.154	0.007	0.034	-0.04	-0.056	0.14	0.097	0.026	-0.143	0.08	0.094	-0.15	0.132
q51	-0.508	-0.105	0.343	0.255	-0.032	-0.019	-0.086	0.247	-0.1	0.075	-0.061	-0.022	-0.014	0.065	-0.087	0.103	0.15	-0.17	-0.073
q52	0.688	-0.25	0.112	-0.104	-0.159	0.04	0.25	-0.184	-0.015	0.17	0.053	-0.038	0.052	0.065	0.06	-0.048	0.056	0.049	0.007
q53	0.379	-0.178	0.277	-0.183	0.028	-0.177	0.077	-0.149	0.057	0.119	-0.144	-0.108	0.416	-0.119	0.184	-0.071	-0.069	0.281	-0.126
q54	-0.041	0.395	0.077	0.344	0.037	-0.139	-0.067	-0.166	0.005	-0.316	-0.046	0.041	0.189	0.088	-0.091	-0.34	0.04	-0.308	0.061
q55	0.527	-0.046	-0.131	-0.062	0.222	0.144	0.031	-0.017	0.247	0.228	0.105	-0.227	0.08	0.069	0.15	0.171	-0.182	0.088	0.069
q56	-0.277	0.037	0.361	-0.117	0.003	0.125	0.078	0.002	-0.213	0.475	0.014	0.035	-0.272	-0.229	0.021	-0.102	0.162	0.008	0.098
q57	0.294	0.07	-0.011	-0.175	0.088	-0.047	0.435	-0.052	-0.144	-0.293	0.055	-0.235	-0.076	0.037	-0.152	0.221	-0.085	0.101	0.038
q58	0.01	-0.114	0.485	-0.212	0.088	-0.162	-0.145	-0.025	0.075	-0.038	-0.302	-0.042	0.079	-0.138	0.024	0.015	-0.154	-0.137	0.338
q59	0.056	0.24	-0.102	0.28	0.163	-0.063	0.007	0.182	-0.211	-0.284	0.355	-0.1	-0.139	-0.09	0.388	0.029	-0.209	-0.064	0.079
q60	0.547	-0.388	0.032	-0.073	0.213	-0.017	-0.134	0.204	0.154	0.049	-0.109	0.038	0.034	0.001	0.055	0.122	0.154	-0.08	-0.049

Rotated Component Matrix

	RC1	RC5	RC3	RC11	RC2	RC13	RC6	RC9	RC12	RC17	RC19	RC8	RC7	RC15	RC16	RC10	RC14	RC4	RC18
q1	0.106	-0.275	0.113	-0.028	-0.042	-0.077	0.041	0.36	0.015	0.202	0.051	0.132	0.093	0.347	0.048	-0.215	0.397	0.088	0.011
q2	0.365	0.456	0.082	-0.195	0.229	0.272	0.102	0.053	0.077	-0.192	-0.297	0.076	0.065	0.157	0.038	0.038	-0.057	0.108	-0.091
q3	-0.123	0.033	0.099	0.057	-0.028	-0.005	0.043	0.022	-0.074	-0.061	0.05	-0.055	-0.106	-0.047	-0.023	0.073	0.807	0.011	0.076
q4	0.206	0.216	0.069	0.198	0.059	0.129	0.189	-0.045	0.171	0.278	0.16	0.081	0.124	-0.08	0.176	0.238	-0.122	0.325	0.268
q5	0.754	-0.012	0.001	-0.052	-0.009	-0.026	0.099	-0.007	0.047	0.292	-0.025	0.006	0.083	0.122	0.004	0.007	-0.098	-0.078	0.073
q6	-0.181	-0.234	-0.159	-0.236	-0.066	-0.083	0.347	-0.002	0.038	-0.312	0.111	-0.012	0.106	0.014	0.083	-0.033	0.364	-0.05	-0.014
q7	0.197	0.523	0.089	-0.03	-0.088	0.123	0.194	-0.039	-0.242	-0.155	0.321	-0.008	-0.061	-0.064	-0.044	0.091	-0.008	0.001	0.294
q8	-0.253	-0.01	0.14	-0.099	0.105	-0.05	-0.227	-0.027	0.172	-0.047	-0.055	0.205	-0.133	0.245	0.008	-0.185	0.223	0.162	0.375
q9	0.083	0.132	0.029	0.011	0.156	-0.024	-0.102	-0.095	-0.043	0.663	0.086	0.1	0.064	-0.058	0.047	-0.014	-0.001	0.052	-0.076
q10	0.704	0.134	0.031	0.085	-0.054	0.097	-0.143	-0.116	-0.063	0.021	-0.008	0.084	-0.07	0.096	0.003	-0.002	-0.069	-0.076	-0.017
q11	-0.203	-0.019	0.037	-0.065	-0.033	-0.1	0.766	0.075	-0.068	-0.078	0.038	-0.023	0.083	-0.05	-0.108	-0.014	0.042	0.017	-0.041
q12	0.038	0.799	-0.06	-0.04	0.115	0.016	-0.112	-0.025	-0.055	0.153	-0.036	-0.029	-0.048	-0.035	0.023	0.07	0.036	0.072	0.044
q13	0.194	0.007	0.615	-0.009	0.168	0.087	0.15	0.002	-0.196	0.042	0.152	-0.008	-0.179	0.133	-0.102	0.15	-0.002	0.112	-0.164
q14	0.081	0.007	-0.109	0.146	0.096	-0.05	0.039	-0.057	0.052	0.091	0.718	0.054	0.095	0.042	0.048	0.041	0.081	0.142	0.084
q15	0.328	0.038	0.168	0.259	-0.132	-0.061	-0.158	0.131	0.057	0.378	0.087	0.196	-0.138	0.181	-0.105	-0.049	-0.116	0.029	0.003
q16	-0.042	-0.041	-0.005	0.117	0.075	-0.056	-0.053	0.8	-0.074	-0.082	-0.121	-0.06	0.137	-0.047	-0.025	-0.035	-0.053	-0.047	0.113
q17	0.377	0.428	0.151	-0.015	0.011	0.398	-0.021	-0.093	0.102	-0.03	0.093	-0.126	0.046	0.09	0.027	-0.007	0.068	0.126	-0.161
q18	0.235	0.059	0.119	0.042	-0.007	-0.349	-0.159	0.115	0.238	-0.217	0.255	0.122	0.036	0.153	0.155	-0.256	0.05	0.002	0.239
q19	-0.167	0.113	0.096	-0.043	-0.054	0.001	0.012	-0.027	-0.002	0.024	0.031	-0.108	0.005	0.014	0.07	-0.083	0.022	0.828	0.03
q20	0.269	-0.061	-0.112	0.463	-0.002	0.161	-0.055	0.006	-0.013	0.005	0.205	0.065	-0.019	0.095	0.009	0.247	0.053	0.554	-0.012
q21	-0.131	-0.172	-0.129	-0.105	-0.306	0.192	0.347	0.229	-0.248	-0.143	0.183	0.25	-0.104	-0.113	0.328	-0.013	-0.038	-0.109	0.075
q22	0.15	0.149	0.003	0.236	0.055	0.711	-0.169	-0.032	-0.135	-0.051	-0.064	0.146	-0.099	0.127	-0.138	0.107	-0.015	0.122	0.034
q23	-0.077	-0.006	0.631	-0.04	0.107	-0.022	-0.267	0.013	0.071	-0.031	0.09	0.163	0.143	0.079	-0.189	0.166	-0.034	0.179	-0.078
q24	-0.124	0.021	0.029	0.033	0.303	0.21	-0.165	-0.128	0.035	0.26	0.322	-0.076	0.111	0.452	0.163	-0.136	0.014	-0.056	-0.111
q25	0.566	0.139	-0.082	0.106	0.001	0.139	-0.156	-0.089	0.107	0.024	0.138	-0.036	-0.001	-0.107	-0.314	0.023	0.028	0.079	-0.01
q26	-0.228	-0.039	-0.031	-0.123	0.009	0.069	0.011	0.19	-0.226	-0.354	-0.078	0.047	0.197	-0.019	-0.118	-0.045	0.301	0.014	0.156
q27	0.126	0.13	0.127	0.097	0.62	0.111	0.083	-0.118	0.065	0.006	-0.226	-0.085	-0.193	0.053	0.011	-0.327	-0.069	0.064	0.136
q28	-0.02	0.098	0.256	0.117	-0.084	0.02	-0.042	0.02	0.024	-0.063	-0.006	0.07	-0.035	0.102	0.133	0.747	0.017	-0.007	0.039
q29	-0.014	0.033	0.117	0.007	0.722	-0.026	-0.265	0.133	-0.128	0.045	0.119	0.048	-0.008	-0.074	0.031	-0.008	-0.008	-0.127	0.041
q30	0.359	0.162	0.16	-0.063	0.229	-0.038	0.059	0.037	0.248	-0.006	0.335	0.192	-0.306	0.071	0.119	-0.191	-0.141	0.071	-0.264
q31	-0.092	0.061	0.129	-0.109	0.012	-0.09	0.377	0.507	0	-0.008	-0.102	-0.204	0.04	-0.024	0.16	-0.148	0.235	0.097	0.052
q32	0.145	0.132	0.1	0.144	0.013	0.451	-0.099	-0.212	-0.102	-0.006	-0.236	0.169	0.115	-0.221	0.042	-0.076	0.382	-0.015	-0.037
q33	-0.043	0.068	0.268	0.148	-0.038	0.014	-0.18	0.067	-0.039	-0.096	0.406	-0.084	-0.262	0.137	0.265	-0.385	-0.101	-0.154	0.118
q34	0.104	0.18	0.062	0.06	-0.015	0.157	0.27	-0.215	0.127	0.232	0.139	0.069	0.598	0.046	0.12	0.129	-0.026	0.039	0.015
q35	0.557	0.143	0.118	0.222	-0.052	-0.022	0.006	0.008	0.153	0.019	-0.016	0.267	0.004	-0.042	0.056	-0.092	-0.033	0.121	-0.201
q36	0.176	-0.005	-0.038	0.164	-0.391	-0.119	0.475	0.136	-0.102	-0.235	-0.204	0.269	-0.016	0.16	-0.077	-0.028	0.006	-0.031	-0.078
q37	0.178	0.69	-0.008	0.09	-0.048	0.167	0.028	-0.052	0.167	0.032	0.037	0.169	0.115	-0.041	0.012	-0.03	-0.015	0.036	-0.266
q38	-0.107	-0.066	-0.002	-0.172	0.118	-0.002	-0.016	0.02	-0.067	-0.084	0.118	-0.078	-0.062	0.007	0.042	0.022	0.069	0.018	0.776
q39	-0.09	0.428	0.032	0.163	0.243	-0.114	0.034	-0.063	0.05	0.141	0.396	-0.049	0.306	0.19	-0.103	-0.157	-0.084	-0.035	0.141
q40	0.18	0.115	-0.01	0.667	-0.045	0.059	-0.105	0.06	0.203	0.099	0.091	0	0.001	0.084	-0.178	0.065	0.059	-0.046	-0.123
q41	-0.141	-0.209	-0.16	0.07	-0.015	0.013	0.376	0.204	-0.28	-0.281	0.028	0.136	0.405	0.105	0.137	0.176	-0.023	0.001	0.054
q42	0.051	0.607	0.056	0.181	0.195	-0.06	-0.093	-0.117	0.033	0.195	-0.014	0.316	-0.176	-0.002	0.025	0.019	-0.06	-0.031	0.009
q43	0.096	-0.021	0.707	-0.045	-0.02	0.091	0.02	-0.01	-0.132	0.068	-0.098	0.113	0.032	0.005	0.055	-0.05	0.098	-0.011	0.072
q44	-0.172	0.199	0.013	0.056	0.584	-0.087	0.13	-0.067	0.171	0.15	0.18	0.101	-0.025	0.199	0.092	0.1	-0.016	0.026	0.071
q45	0.165	-0.034	-0.084	0.137	0.034	-0.011	-0.091	-0.067	0.742	-0.043	0.056	0.06	-0.023	0.033	0.071	0.08	-0.12	0.069	-0.038
q46	-0.054	-0.116	0.069	-0.047	-0.098	0.016	0.118	0.778	0.029	-0.065	0.095	0.033	-0.162	-0.086	-0.004	0.119	0.022	-0.031	-0.131
q47	0.154	0.138	0.088	0.032	0.028	0.154	0.03	-0.07	0.042	0.116	0.051	0.811	-0.081	-0.044	0.015	0.09	-0.002	-0.089	-0.04
q48	-0.028	0.046	0.726	-0.063	0.212	-0.007	0.002	0.091	0.205	0.069	-0.027	-0.014	-0.047	-0.07	0.117	0.058	0.085	-0.021	0.015
q49	0.188	-0.029	0.019	0.651	0.177	0.196	0.084	-0.049	0.069	0.018	0.15	0.098	-0.031	0.001	0.253	0.025	-0.045	0.157	-0.135
q50	0.523	0.029	-0.094	0.434	0.078	0.084	-0.052	-0.037	0.124	0.056	0.014	0.135	-0.149	-0.139	0.067	-0.004	-0.007	-0.123	-0.047
q51	-0.077	-0.162	0.111	-0.147	-0.144	-0.278	0.238	0.043	-0.223	-0.386	0.162	-0.054	0.19	-0.088	0.069	0.086	0.309	0.129	0.041
q52	0.292	0.32	0.033	0.247	0.008	0.374	-0.026	-0.055	0.204	0.107	-0.057	0.485	-0.063	-0.14	-0.142	0.002	-0.027	-0.053	-0.043
q53	0.071	0.014	0.312	0.064	-0.156	0.596	-0.01	0.047	0.374	0.016	0.103	0.131	0	-0.187	-0.052	-0.055	-0.11	-0.068	0.078
q54	-0.105	0.055	0.043	0.032	0.108	-0.122	-0.091	0.015	0.032	0.068	0.076	-0.037	0.109	0.128	0.768	0.11	0.011	0.099	0.03
q55	0.199	0.177	0	0.294	0.049	0.097	-0.02	0.068	0.512	0.231	-0.003	0.019	-0.063	0.125	-0.333	-0.111	0.047	-0.15	-0.033
q56	-0.264	-0.054	0.278	0.002	-0.025	-0.191	0.045	0.033	-0.28	-0.245	0.042	0.344	0.156	-0.055	-0.251	-0.355	-0.035	0.152	0.005
q57	0.046	0.081	0.009	0.112	0.085	0.12	0.03	-0.085	0.083	0.098	-0.014	0.149	-0.681	0.088	-0.039	0.099	0.033	0.005	0.116
q58	-0.053	0.045	0.577	0.312	-0.235	0.047	0.062	0.049	-0.058	-0.116	-0.147	-0.169	0.003	-0.176	0.095	-0.026	-0.031	-0.091	0.128
q59	0.044	-0.014	-0.042	0.038	0.016	-0.049	0.008	-0.095	0.036	-0.071	0.03	-0.064	-0.068	0.807	0.077	0.106	-0.064	0.031	0.044
q60	0.59	0.044	0.111	0.292	-0.035	0.104	-0.151	0.054	0.228	-0.113	0.007	-0.033	0.027	-0.17	-0.221	0.09	-0.015	-0.051	-0.11

Component Transformation Matrix

	RC1	RC2	RC3	RC4	RC5	RC6	RC7	RC8	RC9	RC10	RC11	RC12	RC13	RC14	RC15	RC16	RC17	RC18	RC19
1	0.559	0.153	0.131	0.046	-0.408	-0.18	0.106	-0.198	-0.163	-0.039	-0.34	-0.273	0.274	-0.125	0.041	0.054	-0.253	-0.102	-0.088
2	-0.382	0.549	0.208	0.114	-0.192	-0.235	0.031	0.126	-0.153	0.119	0.146	-0.057	-0.183	-0.01	0.276	-0.208	-0.231	0.212	-0.272
3	-0.004	-0.034	0.747	0.167	-0.143	0.273	-0.059	-0.205	0.313	-0.04	-0.022	0.167	0.141	0.239	-0.042	-0.092	0.207	0.101	-0.072
4	0.121	-0.084	-0.337	0.25	-0.02	0.43	-0.322	-0.04	0.063	-0.168	-0.215	-0.033	-0.151	0.011	0.258	-0.315	-0.011	0.021	-0.492
5	0.207	-0.026	0.208	-0.093	0.569	-0.202	0.237	0.027	0.397	0.18	-0.228	-0.273	-0.302	-0.044	0.2	-0.027	-0.052	-0.031	-0.171
6	0.23	0.158	-0.127	-0.284	-0.407	0.32	0.047	-0.078	0.324	0.45	0.32	-0.037	-0.335	-0.111	0.007	0.08	0.048	-0.058	0.045
7	-0.208	0.084	-0.364	-0.095	-0.05	-0.046	0.487	-0.417	0.145	0.13	-0.231	0.109	0.258	0.201	0.012	-0.023	0.21	0.332	-0.164
8	0.405	-0.08	-0.059	0.254	-0.066	-0.214	-0.007	0.406	-0.149	0.212	0.098	0.122	-0.035	0.372	0.181	0.217	0.364	0.308	-0.092
9	-0.164	0.252	-0.178	0.102	-0.187	-0.073	-0.199	0.423	0.568	-0.098	-0.31	-0.219	0.147	0.158	-0.213	0.102	-0.034	0.008	0.168
10	-0.22	-0.057	0.029	-0.004	0.058	-0.081	-0.459	-0.304	-0.16	0.419	-0.192	-0.124	-0.089	0.228	-0.195	0.454	-0.083	-0.092	-0.249
11	0.029	0.321	-0.101	0.197	0.215	0.175	-0.059	-0.22	-0.008	0.06	0.087	-0.051	0.178	0.33	0.527	0.085	-0.044	-0.303	0.43
12	0.273	0.339	-0.042	-0.308	0.229	-0.139	-0.323	0.004	0.123	0.064	-0.053	0.65	0.204	-0.064	-0.055	-0.088	-0.159	0.046	-0.095
13	0.08	0.074	0.031	-0.315	0.205	0.188	-0.138	0.14	-0.19	0.244	0.166	-0.468	0.398	0.182	-0.19	-0.413	0.089	0.151	-0.036
14	0.157	-0.108	-0.062	-0.185	-0.04	-0.147	-0.091	-0.244	0.098	-0.388	0.241	-0.106	-0.271	0.497	-0.077	-0.03	-0.399	0.33	0.101
15	-0.099	-0.095	0.05	-0.374	-0.092	-0.164	-0.349	-0.105	0.111	-0.227	0.047	-0.196	0.15	-0.299	0.487	0.217	0.324	0.255	0.015
16	0.018	0.34	0.099	-0.33	0.114	0.434	0.224	0.212	-0.228	-0.35	-0.135	-0.018	-0.101	0.134	-0.041	0.448	0.06	-0.007	-0.204
17	0.174	0.446	-0.067	0.303	0.187	-0.094	-0.136	-0.317	-0.04	-0.186	0.104	-0.157	-0.226	-0.215	-0.364	-0.018	0.427	0.134	0.095
18	0.041	-0.036	-0.028	0.337	0.206	0.24	0.056	0.01	0.152	0.072	0.311	-0.065	0.318	-0.306	-0.029	0.364	-0.39	0.403	-0.092
19	-0.003	-0.021	0.078	-0.019	0.01	0.247	-0.08	0.026	-0.212	0.201	-0.492	0.064	-0.243	-0.127	0.056	-0.087	-0.112	0.495	0.5

5.5 Ανάλυση δομής με περιορισμένο πλήθος παραγόντων

Επαναλαμβάνουμε τη διαδικασία κρατώντας 13 συνιστώσες (όριο ιδιοτιμών το 1.3)

my_PCA = my_PCA_analysis(NEO.data[, 3:62], eigeinvalues.limit = 1.3,  rotate = 'varimax')

my_PCA$htmlTable

Variables

	Original Item
q1	neo.q1
q2	neo.q2
q3	neo.q3
q4	neo.q4
q5	neo.q5
q6	neo.q6
q7	neo.q7
q8	neo.q8
q9	neo.q9
q10	neo.q10
q11	neo.q11
q12	neo.q12
q13	neo.q13
q14	neo.q14
q15	neo.q15
q16	neo.q16
q17	neo.q17
q18	neo.q18
q19	neo.q19
q20	neo.q20
q21	neo.q21
q22	neo.q22
q23	neo.q23
q24	neo.q24
q25	neo.q25
q26	neo.q26
q27	neo.q27
q28	neo.q28
q29	neo.q29
q30	neo.q30
q31	neo.q31
q32	neo.q32
q33	neo.q33
q34	neo.q34
q35	neo.q35
q36	neo.q36
q37	neo.q37
q38	neo.q38
q39	neo.q39
q40	neo.q40
q41	neo.q41
q42	neo.q42
q43	neo.q43
q44	neo.q44
q45	neo.q45
q46	neo.q46
q47	neo.q47
q48	neo.q48
q49	neo.q49
q50	neo.q50
q51	neo.q51
q52	neo.q52
q53	neo.q53
q54	neo.q54
q55	neo.q55
q56	neo.q56
q57	neo.q57
q58	neo.q58
q59	neo.q59
q60	neo.q60

Correlation Matrix

	q1	q2	q3	q4	q5	q6	q7	q8	q9	q10	q11	q12	q13	q14	q15	q16	q17	q18	q19	q20	q21	q22	q23	q24	q25	q26	q27	q28	q29	q30	q31	q32	q33	q34	q35	q36	q37	q38	q39	q40	q41	q42	q43	q44	q45	q46	q47	q48	q49	q50	q51	q52	q53	q54	q55	q56	q57	q58	q59	q60
q1	1	-0.105	0.206	-0.011	0.119	0.135	-0.16	0.145	-0.002	0.017	0.046	-0.18	0.061	0.052	0.077	0.171	-0.075	0.152	0.073	0.026	0.055	-0.081	0.062	0.117	-0.047	0.061	-0.031	-0.06	0.048	0.024	0.214	-0.103	0.119	-0.016	0.094	0.127	-0.142	0.028	-0.031	0.054	0.088	-0.111	0.126	0.035	-0.031	0.23	0.021	0.078	0.019	-0.054	0.158	-0.111	-0.002	0.037	0.021	0.104	-0.073	-0.015	0.135	-0.045
q2	-0.105	1	-0.076	0.156	0.243	-0.118	0.183	-0.029	0.016	0.246	-0.03	0.343	0.183	-0.134	0.018	0	0.432	0.016	0.064	0.03	-0.123	0.293	0.058	-0.02	0.123	-0.033	0.223	0.061	0.046	0.227	0.034	0.232	-0.093	0.151	0.255	0.058	0.39	-0.077	0.074	-0.015	-0.063	0.216	0.113	0.107	0.054	-0.047	0.21	0.103	0.085	0.132	-0.168	0.292	0.077	-0.059	0.14	-0.116	0.058	0.013	0.083	0.242
q3	0.206	-0.076	1	-0.058	-0.175	0.162	0.051	0.149	-0.113	-0.151	0.088	0.032	0.106	0.068	-0.151	0.051	-0.017	0.026	0.062	0.032	0.04	0.015	-0.012	-0.066	-0.066	0.191	-0.073	0.056	-0.004	-0.123	0.167	0.198	-0.035	-0.082	-0.105	0.013	-0.071	0.123	-0.015	-0.05	0.024	-0.087	0.132	-0.018	-0.137	0.05	-0.035	0.082	-0.04	-0.088	0.258	-0.036	-0.038	0.017	-0.039	0.068	0.041	0.099	-0.032	-0.067
q4	-0.011	0.156	-0.058	1	0.231	-0.175	0.231	-0.064	0.223	0.114	-0.007	0.225	0.123	0.226	0.159	-0.064	0.245	0.05	0.161	0.354	-0.076	0.167	0.021	0.075	0.206	-0.221	0.03	0.174	0.027	0.158	-0.057	0.092	-0.007	0.327	0.204	-0.064	0.25	0.029	0.182	0.154	-0.008	0.242	0.018	0.238	0.193	-0.074	0.174	0.108	0.288	0.177	-0.082	0.282	0.212	0.186	0.118	-0.108	0.085	0.095	0.076	0.137
q5	0.119	0.243	-0.175	0.231	1	-0.189	0.11	-0.182	0.127	0.499	-0.103	0.062	0.104	0.067	0.327	-0.043	0.214	0.092	-0.124	0.128	-0.099	0.04	-0.083	0.045	0.37	-0.284	0.074	-0.004	-0.034	0.27	-0.093	0.069	-0.078	0.162	0.319	0.063	0.126	-0.12	0.031	0.18	-0.112	0.097	0.071	-0.012	0.161	-0.061	0.144	-0.018	0.103	0.334	-0.149	0.223	0.077	-0.016	0.252	-0.186	0.028	-0.036	0.092	0.323
q6	0.135	-0.118	0.162	-0.175	-0.189	1	-0.033	0.04	-0.203	-0.257	0.356	-0.243	-0.128	0.013	-0.285	-0.012	-0.128	0.057	0.003	-0.149	0.288	-0.236	-0.126	-0.091	-0.216	0.242	-0.198	-0.074	-0.107	-0.201	0.221	-0.043	-0.097	-0.042	-0.18	0.136	-0.22	0.132	-0.137	-0.184	0.312	-0.288	-0.136	-0.079	-0.101	0.12	-0.152	-0.101	-0.173	-0.225	0.37	-0.327	-0.171	0.021	-0.207	0.14	-0.144	-0.052	0.002	-0.278
q7	-0.16	0.183	0.051	0.231	0.11	-0.033	1	0.028	0.029	0.207	0.127	0.337	0.142	0.181	-0.027	-0.063	0.251	0.076	0.059	0.057	0.12	0.218	0.02	-0.001	0.194	0.035	0.038	0.154	0.01	0.115	0.067	0.083	0.085	0.129	0.061	0.126	0.277	0.125	0.196	0.019	-0.017	0.204	0.056	0.025	-0.11	-0.042	0.119	0.01	0.044	0.089	0.071	0.159	0.088	-0.002	-0.032	0.047	0.054	0.118	-0.032	0.084
q8	0.145	-0.029	0.149	-0.064	-0.182	0.04	0.028	1	-0.057	-0.138	-0.129	-0.018	0.005	-0.033	0.037	-0.004	-0.124	0.151	0.156	-0.067	-0.109	-0.005	0.148	0.132	-0.09	0.043	0.116	-0.012	0.147	0.034	0.047	0.046	0.155	-0.061	-0.172	-0.098	-0.095	0.242	0.079	-0.084	-0.141	-0.01	0.081	0.178	0.017	-0.032	0.038	0.146	-0.083	-0.107	-0.013	-0.094	-0.026	0.086	-0.022	0.153	0.121	-0.025	0.087	-0.198
q9	-0.002	0.016	-0.113	0.223	0.127	-0.203	0.029	-0.057	1	0.075	-0.145	0.177	0.07	0.117	0.217	-0.109	0.13	0.011	-0.017	0.076	-0.214	0.09	0.055	0.182	0.078	-0.158	0.098	-0.021	0.138	0.143	-0.093	0.055	-0.009	0.198	0.15	-0.218	0.152	-0.091	0.186	0.129	-0.233	0.225	0.067	0.168	0.069	-0.158	0.155	0.11	0.109	0.121	-0.259	0.137	-0.011	0.091	0.124	-0.097	0.086	-0.132	-0.01	0
q10	0.017	0.246	-0.151	0.114	0.499	-0.257	0.207	-0.138	0.075	1	-0.236	0.126	0.13	0.029	0.306	-0.149	0.353	0.113	-0.112	0.215	-0.121	0.258	0.019	-0.015	0.324	-0.234	0.091	0.038	0.037	0.233	-0.185	0.169	0.039	0.062	0.341	0.086	0.236	-0.149	0.007	0.253	-0.191	0.255	0.105	-0.097	0.178	-0.127	0.181	-0.023	0.208	0.4	-0.175	0.368	0.151	-0.093	0.201	-0.185	0.123	-0.047	0.049	0.391
q11	0.046	-0.03	0.088	-0.007	-0.103	0.356	0.127	-0.129	-0.145	-0.236	1	-0.09	0.014	-0.018	-0.195	0.073	-0.11	-0.119	0.067	-0.108	0.293	-0.216	-0.086	-0.152	-0.268	0.146	-0.066	-0.035	-0.164	-0.065	0.31	-0.132	-0.145	0.093	-0.145	0.25	-0.039	0.026	0.017	-0.102	0.347	-0.157	0.056	-0.059	-0.146	0.134	-0.04	0.027	-0.083	-0.151	0.302	-0.189	-0.101	-0.08	-0.125	0.197	-0.136	-0.006	-0.043	-0.219
q12	-0.18	0.343	0.032	0.225	0.062	-0.243	0.337	-0.018	0.177	0.126	-0.09	1	-0.011	0.031	0.072	-0.07	0.303	-0.016	0.133	0.04	-0.173	0.148	-0.025	0.055	0.185	-0.104	0.192	0.055	0.177	0.098	-0.054	0.117	0.008	0.125	0.051	-0.182	0.472	-0.038	0.248	0.09	-0.215	0.479	0.04	0.211	-0.011	-0.16	0.135	0.03	-0.024	0.046	-0.176	0.244	0.014	0.078	0.14	-0.113	0.105	-0.028	0.019	0.036
q13	0.061	0.183	0.106	0.123	0.104	-0.128	0.142	0.005	0.07	0.13	0.014	-0.011	1	0.031	0.186	-0.055	0.213	0.02	0.112	0.103	-0.092	0.143	0.319	0.068	0.051	-0.067	0.095	0.176	0.146	0.279	0.017	0.053	0.109	0.063	0.157	0.066	0.046	-0.033	0.055	0.027	-0.069	0.096	0.339	0.113	-0.125	0.093	0.11	0.37	0.114	0.075	-0.015	0.086	0.141	-0.001	0.016	0.079	0.094	0.237	0.061	0.108
q14	0.052	-0.134	0.068	0.226	0.067	0.013	0.181	-0.033	0.117	0.029	-0.018	0.031	0.031	1	0.146	-0.075	0.033	0.184	0.103	0.315	-0.015	0.002	0.015	0.233	0.08	-0.123	-0.054	-0.025	0.098	0.19	-0.045	-0.067	0.21	0.237	0.043	-0.077	0.08	0.092	0.282	0.081	0.084	0.084	-0.063	0.202	0.165	-0.044	0.099	-0.052	0.222	0.058	0.063	0.009	-0.027	0.133	0.091	-0.058	0.01	-0.133	0.112	0.07
q15	0.077	0.018	-0.151	0.159	0.327	-0.285	-0.027	0.037	0.217	0.306	-0.195	0.072	0.186	0.146	1	0.037	0.179	0.119	-0.063	0.223	-0.148	0.081	0.166	0.093	0.182	-0.218	0.056	0.047	-0.005	0.24	-0.099	0.058	0.14	0.027	0.305	0.026	0.171	-0.11	0.075	0.282	-0.2	0.185	0.036	0.009	0.13	0.036	0.231	0.102	0.218	0.304	-0.216	0.282	0.148	-0.031	0.303	-0.056	0.209	0.038	0.1	0.29
q16	0.171	0	0.051	-0.064	-0.043	-0.012	-0.063	-0.004	-0.109	-0.149	0.073	-0.07	-0.055	-0.075	0.037	1	-0.148	0.059	-0.096	-0.019	0.075	-0.045	0.011	-0.145	-0.103	0.191	-0.034	-0.047	0.118	-0.045	0.308	-0.111	0.043	-0.132	-0.063	0.124	-0.14	0.056	-0.037	0.008	0.224	-0.145	-0.013	-0.098	-0.081	0.458	-0.14	0.046	-0.064	-0.06	0.08	-0.119	-0.022	0.057	0.01	0.113	-0.096	0.116	-0.092	0.037
q17	-0.075	0.432	-0.017	0.245	0.214	-0.128	0.251	-0.124	0.13	0.353	-0.11	0.303	0.213	0.033	0.179	-0.148	1	0.01	0.054	0.218	-0.211	0.34	0.125	0.1	0.284	-0.099	0.148	0.079	-0.037	0.265	-0.071	0.261	0.063	0.234	0.302	-0.038	0.383	-0.087	0.188	0.209	-0.193	0.202	0.069	0.031	0.113	-0.107	0.115	0.123	0.191	0.204	-0.17	0.349	0.238	0.044	0.2	-0.138	0.113	0.035	0.002	0.256
q18	0.152	0.016	0.026	0.05	0.092	0.057	0.076	0.151	0.011	0.113	-0.119	-0.016	0.02	0.184	0.119	0.059	0.01	1	-0.012	0.082	-0.043	-0.133	0.086	0.074	0.031	-0.043	0.031	-0.093	0.056	0.256	0.048	-0.158	0.203	-0.055	0.192	0.023	0.02	0.15	0.193	0.082	-0.037	0.048	0.077	0.075	0.121	0.042	0.008	0.122	0.043	0.101	0.012	-0.035	0.012	0.127	0.113	0.081	0.009	0.026	0.12	0.089
q19	0.073	0.064	0.062	0.161	-0.124	0.003	0.059	0.156	-0.017	-0.112	0.067	0.133	0.112	0.103	-0.063	-0.096	0.054	-0.012	1	0.28	-0.004	-0.002	0.117	0.06	-0.058	0.056	0.039	0.012	-0.057	-0.017	0.107	-0.039	-0.031	0.035	-0.002	-0.099	0.019	0.069	0.092	-0.027	-0.017	0.047	0.081	0.047	0	-0.044	-0.136	0.073	0.039	-0.196	0.098	-0.093	-0.027	0.149	-0.115	0.102	-0.072	0.019	0.021	-0.127
q20	0.026	0.03	0.032	0.354	0.128	-0.149	0.057	-0.067	0.076	0.215	-0.108	0.04	0.103	0.315	0.223	-0.019	0.218	0.082	0.28	1	-0.034	0.35	0.068	0.09	0.234	-0.105	-0.021	0.202	-0.092	0.133	-0.103	0.108	-0.035	0.107	0.242	0.042	0.097	-0.077	0.025	0.344	0.068	0.071	-0.028	0.059	0.175	-0.043	0.124	-0.082	0.425	0.305	-0.042	0.19	0.047	0.024	0.132	-0.148	0.084	-0.039	0.119	0.264
q21	0.055	-0.123	0.04	-0.076	-0.099	0.288	0.12	-0.109	-0.214	-0.121	0.293	-0.173	-0.092	-0.015	-0.148	0.075	-0.211	-0.043	-0.004	-0.034	1	-0.034	-0.235	-0.151	-0.232	0.144	-0.29	0.015	-0.149	-0.076	0.193	-0.053	0.074	-0.056	-0.093	0.255	-0.141	0.11	-0.165	-0.151	0.358	-0.202	0.051	-0.153	-0.207	0.266	0.144	-0.111	-0.007	-0.09	0.211	-0.071	0.049	0.085	-0.258	0.086	-0.051	0.007	-0.075	-0.183
q22	-0.081	0.293	0.015	0.167	0.04	-0.236	0.218	-0.005	0.09	0.258	-0.216	0.148	0.143	0.002	0.081	-0.045	0.34	-0.133	-0.002	0.35	-0.034	1	0.088	0.103	0.271	-0.033	0.147	0.129	0.051	0.024	-0.216	0.346	-0.047	0.023	0.176	0.011	0.236	-0.06	-0.04	0.223	-0.083	0.197	0.089	-0.023	0.012	-0.09	0.23	-0.028	0.263	0.222	-0.31	0.42	0.36	-0.111	0.164	-0.084	0.206	0.064	0.062	0.222
q23	0.062	0.058	-0.012	0.021	-0.083	-0.126	0.02	0.148	0.055	0.019	-0.086	-0.025	0.319	0.015	0.166	0.011	0.125	0.086	0.117	0.068	-0.235	0.088	1	0.079	-0.001	-0.035	0.056	0.213	0.135	0.109	-0.011	0.079	0.066	0.098	0.051	-0.18	0.056	0.032	0.095	0.072	-0.137	0.056	0.369	0.044	0.037	0.048	0.153	0.397	0.049	-0.081	0.021	0.066	0.092	0.013	0.037	0.206	0.003	0.176	0.003	0.035
q24	0.117	-0.02	-0.066	0.075	0.045	-0.091	-0.001	0.132	0.182	-0.015	-0.152	0.055	0.068	0.233	0.093	-0.145	0.1	0.074	0.06	0.09	-0.151	0.103	0.079	1	-0.054	-0.152	0.188	-0.037	0.238	0.145	-0.081	-0.016	0.168	0.126	-0.046	-0.324	0.051	-0.027	0.329	0.099	-0.098	0.126	0.007	0.32	0.069	-0.162	0.022	0.078	0.094	0.013	-0.161	0	0.006	0.225	0.083	-0.105	0.006	-0.128	0.272	-0.105
q25	-0.047	0.123	-0.066	0.206	0.37	-0.216	0.194	-0.09	0.078	0.324	-0.268	0.185	0.051	0.08	0.182	-0.103	0.284	0.031	-0.058	0.234	-0.232	0.271	-0.001	-0.054	1	-0.142	0.076	-0.037	0.002	0.204	-0.218	0.147	-0.016	0.137	0.385	-0.006	0.269	-0.178	0.07	0.273	-0.206	0.117	0.022	-0.042	0.182	-0.092	0.127	-0.072	0.18	0.336	-0.19	0.304	0.163	-0.221	0.281	-0.171	0.137	-0.061	-0.018	0.458
q26	0.061	-0.033	0.191	-0.221	-0.284	0.242	0.035	0.043	-0.158	-0.234	0.146	-0.104	-0.067	-0.123	-0.218	0.191	-0.099	-0.043	0.056	-0.105	0.144	-0.033	-0.035	-0.152	-0.142	1	-0.102	-0.059	-0.071	-0.26	0.19	0.059	-0.025	-0.088	-0.224	0.043	-0.157	0.207	-0.107	-0.211	0.265	-0.167	0.039	-0.046	-0.26	0.101	-0.073	0.009	-0.179	-0.206	0.366	-0.171	-0.085	-0.049	-0.143	0.232	-0.151	0.012	-0.028	-0.163
q27	-0.031	0.223	-0.073	0.03	0.074	-0.198	0.038	0.116	0.098	0.091	-0.066	0.192	0.095	-0.054	0.056	-0.034	0.148	0.031	0.039	-0.021	-0.29	0.147	0.056	0.188	0.076	-0.102	1	-0.126	0.347	0.217	0.072	0.106	0.148	-0.011	0.09	-0.15	0.108	0.093	0.118	0.034	-0.229	0.215	0.136	0.271	0.093	-0.173	0.014	0.15	0.115	0.142	-0.168	0.168	0.068	0.01	0.123	-0.022	0.211	-0.041	0.056	0.029
q28	-0.06	0.061	0.056	0.174	-0.004	-0.074	0.154	-0.012	-0.021	0.038	-0.035	0.055	0.176	-0.025	0.047	-0.047	0.079	-0.093	0.012	0.202	0.015	0.129	0.213	-0.037	-0.037	-0.059	-0.126	1	-0.019	-0.066	-0.009	0.014	-0.06	0.104	0.052	0.024	0.057	0.021	-0.034	0.13	0.041	0.102	0.167	0.053	0.068	0.092	0.129	0.144	0.129	0.062	0.066	0.043	0.112	0.134	-0.071	-0.142	0.052	0.089	0.09	0.066
q29	0.048	0.046	-0.004	0.027	-0.034	-0.107	0.01	0.147	0.138	0.037	-0.164	0.177	0.146	0.098	-0.005	0.118	-0.037	0.056	-0.057	-0.092	-0.149	0.051	0.135	0.238	0.002	-0.071	0.347	-0.019	1	0.139	-0.066	0.007	0.08	-0.108	-0.001	-0.358	-0.018	0.112	0.203	0.051	-0.112	0.168	0.069	0.287	-0.035	0.003	0.065	0.205	0.079	-0.031	-0.151	-0.017	-0.029	0.126	0.026	0.044	0.025	-0.03	-0.016	-0.012
q30	0.024	0.227	-0.123	0.158	0.27	-0.201	0.115	0.034	0.143	0.233	-0.065	0.098	0.279	0.19	0.24	-0.045	0.265	0.256	-0.017	0.133	-0.076	0.024	0.109	0.145	0.204	-0.26	0.217	-0.066	0.139	1	-0.087	-0.007	0.236	0.023	0.321	0.017	0.244	-0.169	0.158	0.098	-0.278	0.237	0.029	0.214	0.223	0.054	0.26	0.152	0.22	0.264	-0.135	0.228	0.155	0.114	0.271	-0.045	0.213	-0.058	0.091	0.18
q31	0.214	0.034	0.167	-0.057	-0.093	0.221	0.067	0.047	-0.093	-0.185	0.31	-0.054	0.017	-0.045	-0.099	0.308	-0.071	0.048	0.107	-0.103	0.193	-0.216	-0.011	-0.081	-0.218	0.19	0.072	-0.009	-0.066	-0.087	1	-0.08	0.03	-0.064	-0.078	0.131	-0.05	0.083	0.003	-0.178	0.194	-0.132	0.129	-0.027	-0.124	0.345	-0.182	0.177	-0.058	-0.168	0.235	-0.213	-0.098	0.056	-0.102	0.062	-0.148	0.067	-0.067	-0.131
q32	-0.103	0.232	0.198	0.092	0.069	-0.043	0.083	0.046	0.055	0.169	-0.132	0.117	0.053	-0.067	0.058	-0.111	0.261	-0.158	-0.039	0.108	-0.053	0.346	0.079	-0.016	0.147	0.059	0.106	0.014	0.007	-0.007	-0.08	1	-0.096	0.129	0.101	0.027	0.228	-0.092	-0.087	0.106	-0.053	0.144	0.139	-0.122	-0.054	-0.146	0.204	0.055	0.127	0.167	-0.089	0.33	0.22	-0.089	0.063	-0.006	0.052	0.155	-0.209	0.167
q33	0.119	-0.093	-0.035	-0.007	-0.078	-0.097	0.085	0.155	-0.009	0.039	-0.145	0.008	0.109	0.21	0.14	0.043	0.063	0.203	-0.031	-0.035	0.074	-0.047	0.066	0.168	-0.016	-0.025	0.148	-0.06	0.08	0.236	0.03	-0.096	1	-0.129	0.012	-0.142	-0.019	0.137	0.156	0.048	-0.145	0.114	0.181	0.103	0.031	0.038	-0.005	0.165	0.132	0.069	-0.013	-0.047	0.084	0.115	-0.009	0.074	0.091	0.124	0.125	-0.005
q34	-0.016	0.151	-0.082	0.327	0.162	-0.042	0.129	-0.061	0.198	0.062	0.093	0.125	0.063	0.237	0.027	-0.132	0.234	-0.055	0.035	0.107	-0.056	0.023	0.098	0.126	0.137	-0.088	-0.011	0.104	-0.108	0.023	-0.064	0.129	-0.129	1	0.124	0.092	0.308	-0.07	0.286	0.073	0.131	0.037	0.038	0.169	0.033	-0.169	0.135	-0.012	0.223	0.021	0.011	0.162	0.139	0.182	0.071	-0.127	-0.185	-0.002	-0.01	0.06
q35	0.094	0.255	-0.105	0.204	0.319	-0.18	0.061	-0.172	0.15	0.341	-0.145	0.051	0.157	0.043	0.305	-0.063	0.302	0.192	-0.002	0.242	-0.093	0.176	0.051	-0.046	0.385	-0.224	0.09	0.052	-0.001	0.321	-0.078	0.101	0.012	0.124	1	0.205	0.348	-0.209	0.059	0.271	-0.154	0.255	0.075	-0.071	0.179	-0.038	0.329	0.084	0.329	0.35	-0.138	0.4	0.212	-0.055	0.252	-0.11	0.086	0.077	-0.001	0.407
q36	0.127	0.058	0.013	-0.064	0.063	0.136	0.126	-0.098	-0.218	0.086	0.25	-0.182	0.066	-0.077	0.026	0.124	-0.038	0.023	-0.099	0.042	0.255	0.011	-0.18	-0.324	-0.006	0.043	-0.15	0.024	-0.358	0.017	0.131	0.027	-0.142	0.092	0.205	1	0.062	-0.166	-0.176	0.049	0.262	-0.105	0.008	-0.177	-0.047	0.211	0.135	-0.178	-0.006	0.038	0.177	0.084	-0.056	-0.134	-0.01	0.147	0	0.132	0.035	0.068
q37	-0.142	0.39	-0.071	0.25	0.126	-0.22	0.277	-0.095	0.152	0.236	-0.039	0.472	0.046	0.08	0.171	-0.14	0.383	0.02	0.019	0.097	-0.141	0.236	0.056	0.051	0.269	-0.157	0.108	0.057	-0.018	0.244	-0.05	0.228	-0.019	0.308	0.348	0.062	1	-0.274	0.239	0.221	-0.148	0.42	-0.008	0.072	0.147	-0.097	0.238	0.037	0.198	0.225	-0.195	0.471	0.219	-0.035	0.2	-0.112	0.06	-0.037	-0.042	0.22
q38	0.028	-0.077	0.123	0.029	-0.12	0.132	0.125	0.242	-0.091	-0.149	0.026	-0.038	-0.033	0.092	-0.11	0.056	-0.087	0.15	0.069	-0.077	0.11	-0.06	0.032	-0.027	-0.178	0.207	0.093	0.021	0.112	-0.169	0.083	-0.092	0.137	-0.07	-0.209	-0.166	-0.274	1	0.123	-0.191	0.035	-0.057	-0.013	0.044	-0.133	-0.03	-0.124	0.026	-0.162	-0.142	0.127	-0.166	-0.07	0.074	-0.168	-0.013	0.049	-0.004	0.03	-0.244
q39	-0.031	0.074	-0.015	0.182	0.031	-0.137	0.196	0.079	0.186	0.007	0.017	0.248	0.055	0.282	0.075	-0.037	0.188	0.193	0.092	0.025	-0.165	-0.04	0.095	0.329	0.07	-0.107	0.118	-0.034	0.203	0.158	0.003	-0.087	0.156	0.286	0.059	-0.176	0.239	0.123	1	0.155	-0.009	0.264	-0.045	0.339	0.047	-0.177	0.017	0.018	0.117	0	-0.114	0.06	-0.045	0.075	0.161	0.055	-0.073	-0.059	0.079	-0.063
q40	0.054	-0.015	-0.05	0.154	0.18	-0.184	0.019	-0.084	0.129	0.253	-0.102	0.09	0.027	0.081	0.282	0.008	0.209	0.082	-0.027	0.344	-0.151	0.223	0.072	0.099	0.273	-0.211	0.034	0.13	0.051	0.098	-0.178	0.106	0.048	0.073	0.271	0.049	0.221	-0.191	0.155	1	-0.149	0.181	-0.058	0.006	0.24	0.031	0.106	-0.022	0.386	0.379	-0.185	0.367	0.177	-0.052	0.419	-0.13	0.12	0.063	0.044	0.39
q41	0.088	-0.063	0.024	-0.008	-0.112	0.312	-0.017	-0.141	-0.233	-0.191	0.347	-0.215	-0.069	0.084	-0.2	0.224	-0.193	-0.037	-0.017	0.068	0.358	-0.083	-0.137	-0.098	-0.206	0.265	-0.229	0.041	-0.112	-0.278	0.194	-0.053	-0.145	0.131	-0.154	0.262	-0.148	0.035	-0.009	-0.149	1	-0.224	-0.049	-0.031	-0.186	0.149	-0.036	-0.122	0.005	-0.209	0.352	-0.2	-0.126	0.101	-0.318	0.141	-0.208	-0.015	0.071	-0.168
q42	-0.111	0.216	-0.087	0.242	0.097	-0.288	0.204	-0.01	0.225	0.255	-0.157	0.479	0.096	0.084	0.185	-0.145	0.202	0.048	0.047	0.071	-0.202	0.197	0.056	0.126	0.117	-0.167	0.215	0.102	0.168	0.237	-0.132	0.144	0.114	0.037	0.255	-0.105	0.42	-0.057	0.264	0.181	-0.224	1	0.06	0.314	0.09	-0.184	0.363	0.152	0.141	0.198	-0.304	0.416	0.082	0.033	0.267	-0.05	0.22	-0.026	0.004	0.116
q43	0.126	0.113	0.132	0.018	0.071	-0.136	0.056	0.081	0.067	0.105	0.056	0.04	0.339	-0.063	0.036	-0.013	0.069	0.077	0.081	-0.028	0.051	0.089	0.369	0.007	0.022	0.039	0.136	0.167	0.069	0.029	0.129	0.139	0.181	0.038	0.075	0.008	-0.008	-0.013	-0.045	-0.058	-0.049	0.06	1	-0.052	-0.102	0.011	0.177	0.443	0	-0.012	0.03	0.084	0.196	0.011	0.001	0.179	-0.01	0.298	-0.03	0.092
q44	0.035	0.107	-0.018	0.238	-0.012	-0.079	0.025	0.178	0.168	-0.097	-0.059	0.211	0.113	0.202	0.009	-0.098	0.031	0.075	0.047	0.059	-0.153	-0.023	0.044	0.32	-0.042	-0.046	0.271	0.053	0.287	0.214	-0.027	-0.122	0.103	0.169	-0.071	-0.177	0.072	0.044	0.339	0.006	-0.031	0.314	-0.052	1	0.096	-0.08	0.059	0.183	0.15	-0.023	-0.106	0.06	-0.059	0.184	0.096	-0.065	0.117	-0.124	0.119	-0.142
q45	-0.031	0.054	-0.137	0.193	0.161	-0.101	-0.11	0.017	0.069	0.178	-0.146	-0.011	-0.125	0.165	0.13	-0.081	0.113	0.121	0	0.175	-0.207	0.012	0.037	0.069	0.182	-0.26	0.093	0.068	-0.035	0.223	-0.124	-0.054	0.031	0.033	0.179	-0.047	0.147	-0.133	0.047	0.24	-0.186	0.09	-0.102	0.096	1	-0.045	0.124	0.032	0.186	0.258	-0.221	0.221	0.213	0.077	0.332	-0.217	0.07	-0.076	0.128	0.27
q46	0.23	-0.047	0.05	-0.074	-0.061	0.12	-0.042	-0.032	-0.158	-0.127	0.134	-0.16	0.093	-0.044	0.036	0.458	-0.107	0.042	-0.044	-0.043	0.266	-0.09	0.048	-0.162	-0.092	0.101	-0.173	0.092	0.003	0.054	0.345	-0.146	0.038	-0.169	-0.038	0.211	-0.097	-0.03	-0.177	0.031	0.149	-0.184	0.011	-0.08	-0.045	1	-0.042	0.059	-0.023	-0.007	0.128	-0.036	0.044	-0.051	-0.055	0.038	0.007	0.132	-0.133	-0.027
q47	0.021	0.21	-0.035	0.174	0.144	-0.152	0.119	0.038	0.155	0.181	-0.04	0.135	0.11	0.099	0.231	-0.14	0.115	0.008	-0.136	0.124	0.144	0.23	0.153	0.022	0.127	-0.073	0.014	0.129	0.065	0.26	-0.182	0.204	-0.005	0.135	0.329	0.135	0.238	-0.124	0.017	0.106	-0.036	0.363	0.177	0.059	0.124	-0.042	1	0.063	0.17	0.264	-0.191	0.566	0.205	-0.049	0.154	0.065	0.21	-0.026	-0.061	0.125
q48	0.078	0.103	0.082	0.108	-0.018	-0.101	0.01	0.146	0.11	-0.023	0.027	0.03	0.37	-0.052	0.102	0.046	0.123	0.122	0.073	-0.082	-0.111	-0.028	0.397	0.078	-0.072	0.009	0.15	0.144	0.205	0.152	0.177	0.055	0.165	-0.012	0.084	-0.178	0.037	0.026	0.018	-0.022	-0.122	0.152	0.443	0.183	0.032	0.059	0.063	1	0.012	-0.038	0.007	0.069	0.229	0.134	0.072	0.054	0.072	0.305	-0.024	0.124
q49	0.019	0.085	-0.04	0.288	0.103	-0.173	0.044	-0.083	0.109	0.208	-0.083	-0.024	0.114	0.222	0.218	-0.064	0.191	0.043	0.039	0.425	-0.007	0.263	0.049	0.094	0.18	-0.179	0.115	0.129	0.079	0.22	-0.058	0.127	0.132	0.223	0.329	-0.006	0.198	-0.162	0.117	0.386	0.005	0.141	0	0.15	0.186	-0.023	0.17	0.012	1	0.408	-0.193	0.269	0.162	0.155	0.196	-0.107	0.165	0.071	0.063	0.224
q50	-0.054	0.132	-0.088	0.177	0.334	-0.225	0.089	-0.107	0.121	0.4	-0.151	0.046	0.075	0.058	0.304	-0.06	0.204	0.101	-0.196	0.305	-0.09	0.222	-0.081	0.013	0.336	-0.206	0.142	0.062	-0.031	0.264	-0.168	0.167	0.069	0.021	0.35	0.038	0.225	-0.142	0	0.379	-0.209	0.198	-0.012	-0.023	0.258	-0.007	0.264	-0.038	0.408	1	-0.307	0.445	0.118	-0.057	0.287	-0.23	0.078	-0.024	-0.069	0.428
q51	0.158	-0.168	0.258	-0.082	-0.149	0.37	0.071	-0.013	-0.259	-0.175	0.302	-0.176	-0.015	0.063	-0.216	0.08	-0.17	0.012	0.098	-0.042	0.211	-0.31	0.021	-0.161	-0.19	0.366	-0.168	0.066	-0.151	-0.135	0.235	-0.089	-0.013	0.011	-0.138	0.177	-0.195	0.127	-0.114	-0.185	0.352	-0.304	0.03	-0.106	-0.221	0.128	-0.191	0.007	-0.193	-0.307	1	-0.304	-0.145	0.067	-0.42	0.272	-0.181	0.105	-0.033	-0.138
q52	-0.111	0.292	-0.036	0.282	0.223	-0.327	0.159	-0.094	0.137	0.368	-0.189	0.244	0.086	0.009	0.282	-0.119	0.349	-0.035	-0.093	0.19	-0.071	0.42	0.066	0	0.304	-0.171	0.168	0.043	-0.017	0.228	-0.213	0.33	-0.047	0.162	0.4	0.084	0.471	-0.166	0.06	0.367	-0.2	0.416	0.084	0.06	0.221	-0.036	0.566	0.069	0.269	0.445	-0.304	1	0.42	-0.19	0.346	-0.058	0.206	0.002	-0.103	0.378
q53	-0.002	0.077	-0.038	0.212	0.077	-0.171	0.088	-0.026	-0.011	0.151	-0.101	0.014	0.141	-0.027	0.148	-0.022	0.238	0.012	-0.027	0.047	0.049	0.36	0.092	0.006	0.163	-0.085	0.068	0.112	-0.029	0.155	-0.098	0.22	0.084	0.139	0.212	-0.056	0.219	-0.07	-0.045	0.177	-0.126	0.082	0.196	-0.059	0.213	0.044	0.205	0.229	0.162	0.118	-0.145	0.42	1	-0.124	0.244	-0.023	0.117	0.214	-0.149	0.276
q54	0.037	-0.059	0.017	0.186	-0.016	0.021	-0.002	0.086	0.091	-0.093	-0.08	0.078	-0.001	0.133	-0.031	0.057	0.044	0.127	0.149	0.024	0.085	-0.111	0.013	0.225	-0.221	-0.049	0.01	0.134	0.126	0.114	0.056	-0.089	0.115	0.182	-0.055	-0.134	-0.035	0.074	0.075	-0.052	0.101	0.033	0.011	0.184	0.077	-0.051	-0.049	0.134	0.155	-0.057	0.067	-0.19	-0.124	1	-0.148	-0.101	-0.006	0.003	0.147	-0.221
q55	0.021	0.14	-0.039	0.118	0.252	-0.207	-0.032	-0.022	0.124	0.201	-0.125	0.14	0.016	0.091	0.303	0.01	0.2	0.113	-0.115	0.132	-0.258	0.164	0.037	0.083	0.281	-0.143	0.123	-0.071	0.026	0.271	-0.102	0.063	-0.009	0.071	0.252	-0.01	0.2	-0.168	0.161	0.419	-0.318	0.267	0.001	0.096	0.332	-0.055	0.154	0.072	0.196	0.287	-0.42	0.346	0.244	-0.148	1	-0.179	0.147	-0.019	0.05	0.344
q56	0.104	-0.116	0.068	-0.108	-0.186	0.14	0.047	0.153	-0.097	-0.185	0.197	-0.113	0.079	-0.058	-0.056	0.113	-0.138	0.081	0.102	-0.148	0.086	-0.084	0.206	-0.105	-0.171	0.232	-0.022	-0.142	0.044	-0.045	0.062	-0.006	0.074	-0.127	-0.11	0.147	-0.112	-0.013	0.055	-0.13	0.141	-0.05	0.179	-0.065	-0.217	0.038	0.065	0.054	-0.107	-0.23	0.272	-0.058	-0.023	-0.101	-0.179	1	-0.139	0.11	-0.1	-0.159
q57	-0.073	0.058	0.041	0.085	0.028	-0.144	0.054	0.121	0.086	0.123	-0.136	0.105	0.094	0.01	0.209	-0.096	0.113	0.009	-0.072	0.084	-0.051	0.206	0.003	0.006	0.137	-0.151	0.211	0.052	0.025	0.213	-0.148	0.052	0.091	-0.185	0.086	0	0.06	0.049	-0.073	0.12	-0.208	0.22	-0.01	0.117	0.07	0.007	0.21	0.072	0.165	0.078	-0.181	0.206	0.117	-0.006	0.147	-0.139	1	0.002	0.082	0.078
q58	-0.015	0.013	0.099	0.095	-0.036	-0.052	0.118	-0.025	-0.132	-0.047	-0.006	-0.028	0.237	-0.133	0.038	0.116	0.035	0.026	0.019	-0.039	0.007	0.064	0.176	-0.128	-0.061	0.012	-0.041	0.089	-0.03	-0.058	0.067	0.155	0.124	-0.002	0.077	0.132	-0.037	-0.004	-0.059	0.063	-0.015	-0.026	0.298	-0.124	-0.076	0.132	-0.026	0.305	0.071	-0.024	0.105	0.002	0.214	0.003	-0.019	0.11	0.002	1	-0.131	0.083
q59	0.135	0.083	-0.032	0.076	0.092	0.002	-0.032	0.087	-0.01	0.049	-0.043	0.019	0.061	0.112	0.1	-0.092	0.002	0.12	0.021	0.119	-0.075	0.062	0.003	0.272	-0.018	-0.028	0.056	0.09	-0.016	0.091	-0.067	-0.209	0.125	-0.01	-0.001	0.035	-0.042	0.03	0.079	0.044	0.071	0.004	-0.03	0.119	0.128	-0.133	-0.061	-0.024	0.063	-0.069	-0.033	-0.103	-0.149	0.147	0.05	-0.1	0.082	-0.131	1	-0.077
q60	-0.045	0.242	-0.067	0.137	0.323	-0.278	0.084	-0.198	0	0.391	-0.219	0.036	0.108	0.07	0.29	0.037	0.256	0.089	-0.127	0.264	-0.183	0.222	0.035	-0.105	0.458	-0.163	0.029	0.066	-0.012	0.18	-0.131	0.167	-0.005	0.06	0.407	0.068	0.22	-0.244	-0.063	0.39	-0.168	0.116	0.092	-0.142	0.27	-0.027	0.125	0.124	0.224	0.428	-0.138	0.378	0.276	-0.221	0.344	-0.159	0.078	0.083	-0.077	1

Number of factors extracted

Total Variance Explained

	Eigenvalue	Percent of Variance	Cumulative Percent
1	8	13.3%	13.3%
2	3.639	6.1%	19.4%
3	3.169	5.3%	24.7%
4	2.688	4.5%	29.2%
5	2.64	4.4%	33.6%
6	1.964	3.3%	36.9%
7	1.773	3%	39.9%
8	1.656	2.8%	42.7%
9	1.616	2.7%	45.4%
10	1.552	2.6%	48%
11	1.448	2.4%	50.4%
12	1.365	2.3%	52.7%
13	1.305	2.2%	54.9%
14	1.224	2%	56.9%
15	1.187	2%	58.9%
16	1.141	1.9%	60.8%
17	1.114	1.9%	62.7%
18	1.089	1.8%	64.5%
19	1.037	1.7%	66.2%
20	0.993	1.7%	67.9%
21	0.952	1.6%	69.5%
22	0.926	1.5%	71%
23	0.87	1.4%	72.4%
24	0.835	1.4%	73.8%
25	0.822	1.4%	75.2%
26	0.789	1.3%	76.5%
27	0.762	1.3%	77.8%
28	0.707	1.2%	79%
29	0.701	1.2%	80.2%
30	0.669	1.1%	81.3%
31	0.65	1.1%	82.4%
32	0.635	1.1%	83.5%
33	0.608	1%	84.5%
34	0.58	1%	85.5%
35	0.56	0.9%	86.4%
36	0.549	0.9%	87.3%
37	0.534	0.9%	88.2%
38	0.524	0.9%	89.1%
39	0.507	0.8%	89.9%
40	0.475	0.8%	90.7%
41	0.462	0.8%	91.5%
42	0.414	0.7%	92.2%
43	0.394	0.7%	92.9%
44	0.387	0.6%	93.5%
45	0.371	0.6%	94.1%
46	0.351	0.6%	94.7%
47	0.339	0.6%	95.3%
48	0.317	0.5%	95.8%
49	0.311	0.5%	96.3%
50	0.293	0.5%	96.8%
51	0.279	0.5%	97.3%
52	0.27	0.5%	97.8%
53	0.253	0.4%	98.2%
54	0.228	0.4%	98.6%
55	0.213	0.4%	99%
56	0.205	0.3%	99.3%
57	0.189	0.3%	99.6%
58	0.181	0.3%	99.9%
59	0.158	0.3%	100.2%
60	0.132	0.2%	100.4%

Communalities

	communality
q1	0.495
q2	0.64
q3	0.382
q4	0.483
q5	0.602
q6	0.508
q7	0.635
q8	0.466
q9	0.35
q10	0.594
q11	0.492
q12	0.658
q13	0.515
q14	0.552
q15	0.45
q16	0.667
q17	0.518
q18	0.473
q19	0.443
q20	0.694
q21	0.655
q22	0.648
q23	0.564
q24	0.506
q25	0.506
q26	0.427
q27	0.473
q28	0.487
q29	0.554
q30	0.537
q31	0.557
q32	0.565
q33	0.497
q34	0.631
q35	0.493
q36	0.607
q37	0.61
q38	0.456
q39	0.595
q40	0.527
q41	0.598
q42	0.592
q43	0.561
q44	0.516
q45	0.576
q46	0.615
q47	0.685
q48	0.645
q49	0.512
q50	0.512
q51	0.541
q52	0.719
q53	0.568
q54	0.474
q55	0.555
q56	0.59
q57	0.495
q58	0.455
q59	0.494
q60	0.602

Component Matrix

	PC1	PC2	PC3	PC4	PC5	PC6	PC7	PC8	PC9	PC10	PC11	PC12	PC13
q1	-0.109	0.042	0.243	0.177	0.436	0.076	0.025	0.112	0.018	0.143	0.39	0.099	0.016
q2	0.399	-0.055	0.214	-0.067	-0.335	0.306	-0.107	0.128	0.079	-0.292	0.311	-0.023	0.064
q3	-0.176	0.026	0.315	-0.022	-0.059	-0.157	0.235	0.296	0.153	0.133	0.144	-0.102	0.08
q4	0.431	0.105	0.17	0.394	-0.148	-0.154	-0.06	-0.092	0.099	-0.093	-0.142	-0.059	0.054
q5	0.457	-0.203	-0.081	0.161	0.172	0.233	-0.279	0.161	-0.17	-0.172	0.064	0.25	0.08
q6	-0.516	-0.106	0.08	0.245	-0.047	0.074	0.088	0.113	-0.072	0.095	0.168	-0.119	0.281
q7	0.218	0.002	0.322	0.187	-0.379	0.183	0.176	0.264	-0.093	-0.121	-0.375	0.043	-0.078
q8	-0.085	0.412	0.134	-0.171	0.114	-0.071	0.294	0.173	-0.08	0.108	0.174	-0.241	0.037
q9	0.34	0.273	-0.118	0.028	-0.054	-0.005	-0.159	-0.232	-0.022	0.127	0.014	0.193	-0.096
q10	0.566	-0.238	-0.034	-0.003	0.078	0.099	-0.062	0.264	-0.226	-0.168	-0.01	0.215	-0.016
q11	-0.366	-0.154	0.274	0.297	-0.18	0.26	-0.068	-0.174	-0.003	0.075	0.096	-0.138	0.043
q12	0.385	0.254	0.026	-0.034	-0.493	0.255	0.045	0.072	0.194	-0.122	-0.142	-0.099	-0.211
q13	0.237	0.119	0.522	-0.086	0.111	-0.071	-0.2	0.011	-0.189	-0.152	0.093	0.102	-0.168
q14	0.176	0.247	0.002	0.551	0.106	-0.097	0.139	0.105	-0.058	0.227	-0.211	0.076	0.015
q15	0.478	-0.032	0.038	0.024	0.368	0.016	-0.009	-0.059	-0.101	0.047	-0.03	0.038	-0.254
q16	-0.212	-0.116	0.224	-0.006	0.307	0.235	0.095	-0.082	0.556	-0.078	-0.045	0.218	-0.168
q17	0.544	-0.027	0.185	0.042	-0.246	0.035	-0.138	0.255	0.064	-0.106	0.057	-0.025	0.144
q18	0.109	0.192	0.126	0.189	0.389	0.251	0.077	0.283	-0.118	0.107	-0.166	-0.115	0.082
q19	-0.043	0.239	0.209	0.181	-0.152	-0.223	-0.113	0.215	0.1	0.009	0.082	-0.336	-0.214
q20	0.385	-0.117	0.065	0.426	0.093	-0.444	0.128	0.183	0.138	-0.034	0.1	-0.016	-0.246
q21	-0.349	-0.298	0.225	0.265	-0.037	0.046	0.36	-0.248	-0.208	-0.155	-0.142	0.116	0.167
q22	0.469	-0.155	0.13	-0.14	-0.234	-0.329	0.327	0.094	0.095	-0.095	0.192	0.183	-0.035
q23	0.157	0.252	0.437	-0.22	0.136	-0.24	-0.269	-0.043	-0.072	0.187	0.025	-0.064	-0.204
q24	0.197	0.54	-0.113	0.171	0.068	-0.116	-0.001	-0.037	-0.038	0.074	0.217	0.209	0.129
q25	0.535	-0.234	-0.117	-0.005	0.012	0.02	-0.051	0.351	0.047	0.099	-0.08	0.068	-0.039
q26	-0.421	-0.069	0.246	-0.063	-0.167	0.008	0.198	0.212	0.15	0.148	0.118	0.104	-0.013
q27	0.292	0.361	0.032	-0.238	-0.022	0.227	0.098	0.1	0.113	-0.115	0.255	0.096	0.169
q28	0.126	-0.029	0.273	0.107	-0.071	-0.398	-0.075	-0.177	0.016	-0.36	-0.085	-0.125	-0.178
q29	0.135	0.489	0.05	-0.188	0.086	0.101	0.121	-0.081	0.193	-0.006	0.033	0.425	-0.031
q30	0.477	0.159	0.112	0.11	0.261	0.34	0.037	-0.047	-0.215	-0.08	0.02	-0.119	0.071
q31	-0.321	0.005	0.394	0.131	0.084	0.323	-0.057	0.013	0.353	-0.132	0.096	-0.07	0.1
q32	0.287	-0.203	0.204	-0.24	-0.336	-0.213	0.127	0.102	0.047	0.171	0.181	0.176	0.249
q33	0.09	0.324	0.176	-0.007	0.338	0.082	0.242	0.105	-0.16	-0.029	-0.339	0.057	0.129
q34	0.247	0.033	0.108	0.441	-0.328	-0.079	-0.346	-0.137	-0.006	0.219	0.033	0.101	0.228
q35	0.564	-0.263	0.134	0.116	0.157	0.147	-0.096	0.03	-0.104	0.05	0.061	-0.025	-0.02
q36	-0.088	-0.563	0.221	0.235	0.035	0.236	0.078	-0.037	-0.19	-0.019	0.173	-0.151	-0.156
q37	0.558	-0.061	0.098	0.105	-0.388	0.253	-0.044	-0.07	0.096	0.105	-0.031	-0.177	-0.029
q38	-0.255	0.313	0.103	0.006	-0.031	-0.054	0.302	0.297	-0.007	-0.138	-0.227	0.07	0.152
q39	0.238	0.472	0.018	0.308	-0.139	0.215	-0.04	0.054	0.115	0.317	-0.161	0.071	-0.079
q40	0.499	-0.16	-0.048	0.141	0.232	-0.167	0.087	-0.009	0.283	0.197	-0.021	-0.049	-0.14
q41	-0.421	-0.215	0.195	0.46	-0.119	-0.037	0.056	-0.131	0.046	-0.002	0.137	0.259	-0.02
q42	0.537	0.25	0.048	-0.062	-0.244	0.207	0.192	-0.179	-0.034	0.01	-0.071	-0.1	-0.218
q43	0.109	0.08	0.597	-0.268	0.08	-0.083	-0.201	-0.012	-0.206	0.01	0.027	0.113	0.065
q44	0.185	0.577	0.007	0.203	-0.067	0.103	0.108	-0.207	0.091	-0.023	0.17	-0.028	0.013
q45	0.377	0.001	-0.227	0.138	0.269	-0.063	-0.057	-0.076	0.102	0.02	0.018	-0.431	0.284
q46	-0.209	-0.241	0.323	0.046	0.367	0.186	0.139	-0.228	0.343	-0.175	-0.05	-0.019	-0.121
q47	0.432	-0.123	0.214	0.001	-0.094	0.056	0.321	-0.379	-0.365	0.165	0.128	0.027	-0.035
q48	0.145	0.305	0.547	-0.268	0.18	-0.028	-0.248	-0.142	0.037	-0.061	-0.024	-0.098	0.173
q49	0.464	-0.042	0.093	0.335	0.151	-0.265	0.16	-0.142	0.129	-0.002	0.054	0.105	0.068
q50	0.572	-0.268	-0.102	0.066	0.198	0.014	0.154	0.007	0.034	-0.04	-0.056	0.14	0.097
q51	-0.508	-0.105	0.343	0.255	-0.032	-0.019	-0.086	0.247	-0.1	0.075	-0.061	-0.022	-0.014
q52	0.688	-0.25	0.112	-0.104	-0.159	0.04	0.25	-0.184	-0.015	0.17	0.053	-0.038	0.052
q53	0.379	-0.178	0.277	-0.183	0.028	-0.177	0.077	-0.149	0.057	0.119	-0.144	-0.108	0.416
q54	-0.041	0.395	0.077	0.344	0.037	-0.139	-0.067	-0.166	0.005	-0.316	-0.046	0.041	0.189
q55	0.527	-0.046	-0.131	-0.062	0.222	0.144	0.031	-0.017	0.247	0.228	0.105	-0.227	0.08
q56	-0.277	0.037	0.361	-0.117	0.003	0.125	0.078	0.002	-0.213	0.475	0.014	0.035	-0.272
q57	0.294	0.07	-0.011	-0.175	0.088	-0.047	0.435	-0.052	-0.144	-0.293	0.055	-0.235	-0.076
q58	0.01	-0.114	0.485	-0.212	0.088	-0.162	-0.145	-0.025	0.075	-0.038	-0.302	-0.042	0.079
q59	0.056	0.24	-0.102	0.28	0.163	-0.063	0.007	0.182	-0.211	-0.284	0.355	-0.1	-0.139
q60	0.547	-0.388	0.032	-0.073	0.213	-0.017	-0.134	0.204	0.154	0.049	-0.109	0.038	0.034

Rotated Component Matrix

	RC1	RC5	RC2	RC3	RC4	RC12	RC9	RC13	RC6	RC7	RC8	RC11	RC10
q1	0.079	-0.34	0.084	0.134	0.041	0.078	0.295	0.071	0.146	0.146	0.211	0.368	-0.161
q2	0.366	0.499	0.05	0.141	-0.193	0.043	0.079	0.105	-0.264	0.035	0.172	0.217	0.175
q3	-0.138	-0.009	-0.063	0.098	0.1	-0.018	0.071	-0.047	0.058	-0.023	0.567	0.016	-0.079
q4	0.102	0.33	0.043	0.117	0.412	0.085	-0.05	0.083	0.1	0.233	-0.077	-0.013	0.302
q5	0.692	0.008	0.024	0.012	-0.057	0.014	-0.018	0.032	0.048	0.146	-0.224	0.174	0.114
q6	-0.257	-0.224	-0.287	-0.182	-0.203	-0.066	0.073	0.023	0.097	0.271	0.343	0.141	0.063
q7	0.171	0.569	-0.155	0.045	0.082	-0.341	-0.031	0.059	0.305	0.037	0.128	-0.118	0.061
q8	-0.287	-0.015	0.169	0.144	-0.046	0.149	-0.113	0.031	0.243	-0.256	0.34	0.21	-0.105
q9	0.06	0.129	0.401	0.07	0.109	0.062	-0.151	0.087	-0.05	0.147	-0.3	0.005	-0.061
q10	0.717	0.111	-0.006	0.045	0.052	-0.051	-0.149	0.102	0.05	-0.102	-0.095	0.07	0.036
q11	-0.27	0.08	-0.332	-0.016	-0.163	-0.088	0.268	0.139	-0.027	0.399	0.066	0.109	-0.015
q12	0.04	0.779	0.186	-0.035	0.016	-0.012	-0.039	-0.064	-0.035	-0.069	-0.032	-0.027	0.008
q13	0.177	0.081	0.053	0.631	0.083	-0.149	0.045	0.084	0.018	-0.024	-0.034	0.188	-0.006
q14	0.011	0.039	0.121	-0.132	0.414	-0.015	-0.108	0.037	0.499	0.282	-0.021	0.067	0.006
q15	0.346	-0.002	0.085	0.176	0.268	0.167	0.041	0.153	0.142	-0.147	-0.293	0.096	-0.178
q16	-0.001	-0.082	0.096	-0.016	0.053	-0.072	0.774	-0.128	-0.006	-0.048	0.024	-0.125	-0.098
q17	0.44	0.415	0.047	0.178	0.077	0.12	-0.133	-0.005	-0.051	0.11	0.183	0.02	0.177
q18	0.155	-0.008	-0.013	0.061	-0.029	0.156	0.081	-0.049	0.617	0.011	0.034	0.153	-0.077
q19	-0.25	0.241	-0.113	0.203	0.272	0.059	-0.09	-0.277	0.01	0.065	0.186	0.258	-0.026
q20	0.238	0.038	-0.054	-0.013	0.761	0.038	-0.034	-0.009	-0.012	-0.002	0.108	0.19	0.049
q21	-0.176	-0.165	-0.34	-0.136	-0.023	-0.373	0.217	0.427	0.149	0.074	0.058	-0.109	0.224
q22	0.306	0.179	0.168	0.057	0.366	-0.081	-0.127	0.269	-0.287	-0.241	0.329	-0.096	0.068
q23	-0.077	0.008	0.122	0.671	0.153	0.082	-0.083	-0.058	0.003	0.005	-0.025	0.021	-0.227
q24	-0.046	-0.057	0.567	0.017	0.121	0.064	-0.195	0.044	0.14	0.158	0	0.25	0.115
q25	0.598	0.174	-0.006	-0.075	0.18	0.146	-0.15	-0.082	0.029	-0.037	0.037	-0.097	-0.129
q26	-0.198	-0.048	-0.07	-0.037	-0.082	-0.262	0.183	-0.059	-0.056	0.054	0.469	-0.051	-0.196
q27	0.155	0.212	0.482	0.083	-0.229	0.144	0.032	0.061	0.015	-0.145	0.187	0.148	0.093
q28	-0.095	0.119	-0.168	0.336	0.399	-0.114	0.009	0.011	-0.161	-0.113	-0.119	0.027	0.312
q29	-0.008	0.054	0.691	0.102	-0.037	-0.124	0.158	0.016	0.095	-0.096	-0.011	-0.034	-0.037
q30	0.292	0.193	0.095	0.153	-0.07	0.262	0.039	0.281	0.353	-0.041	-0.192	0.244	0.07
q31	-0.145	0.065	-0.098	0.114	-0.188	0.001	0.594	-0.117	0.06	0.191	0.212	0.101	0.106
q32	0.247	0.092	0.105	0.127	0.051	-0.01	-0.202	0.245	-0.289	0.052	0.452	-0.271	-0.011
q33	0.022	-0.043	0.166	0.161	-0.011	-0.038	0.029	0.067	0.622	-0.191	-0.007	-0.071	0.073
q34	0.083	0.183	0.06	0.071	0.173	0.049	-0.196	0.091	-0.07	0.686	-0.041	-0.032	0.156
q35	0.532	0.135	-0.104	0.146	0.137	0.229	0.024	0.235	0.049	0.081	-0.116	0.077	-0.066
q36	0.155	-0.009	-0.577	-0.053	-0.012	-0.069	0.251	0.312	-0.079	0.095	0.015	0.207	-0.151
q37	0.227	0.635	-0.012	0.007	0.071	0.236	-0.057	0.205	-0.08	0.187	-0.045	-0.07	-0.034
q38	-0.194	0.015	0.104	-0.045	-0.05	-0.272	-0.025	-0.151	0.387	-0.166	0.309	-0.053	0.173
q39	-0.056	0.39	0.365	-0.054	0.131	0.06	-0.046	-0.074	0.351	0.343	-0.073	0.035	-0.168
q40	0.296	0.041	0.072	-0.044	0.514	0.351	0.095	0.057	0.004	-0.033	-0.05	-0.101	-0.133
q41	-0.177	-0.178	-0.18	-0.151	0.143	-0.399	0.285	0.131	-0.098	0.406	0.116	0.102	0.06
q42	0.045	0.589	0.242	0.058	0.094	0.114	-0.09	0.294	0.058	-0.152	-0.175	0.011	-0.09
q43	0.102	-0.034	0.04	0.701	-0.102	-0.111	-0.005	0.125	0.033	0.035	0.108	-0.048	-0.031
q44	-0.244	0.264	0.467	0.004	0.08	0.135	0.02	0.135	0.137	0.101	-0.055	0.274	0.138
q45	0.116	-0.025	-0.047	-0.074	0.142	0.663	-0.096	0.023	0.119	-0.008	-0.102	0.039	0.243
q46	-0.072	-0.121	-0.177	0.087	0.063	0.007	0.726	0.076	0.031	-0.11	-0.047	-0.059	0.02
q47	0.107	0.155	0.014	0.131	0.112	0.034	-0.126	0.761	-0.008	-0.023	-0.078	-0.001	-0.127
q48	-0.066	0.051	0.169	0.715	-0.119	0.183	0.126	0.013	0.101	0.008	0.03	-0.062	0.14
q49	0.226	-0.014	0.154	0.024	0.536	0.15	0.057	0.269	0.052	0.094	0.002	0	0.198
q50	0.547	0.014	0.068	-0.112	0.233	0.184	0.025	0.247	0.063	-0.105	-0.085	-0.125	0.088
q51	-0.189	-0.133	-0.383	0.108	-0.032	-0.317	0.113	-0.174	0.177	0.277	0.25	0.09	-0.077
q52	0.359	0.325	0.049	0.047	0.187	0.27	-0.092	0.538	-0.124	-0.067	0.044	-0.213	-0.081
q53	0.173	0.014	-0.035	0.286	0.082	0.319	-0.061	0.299	0.026	0.002	0.174	-0.432	0.189
q54	-0.214	-0.007	0.195	0.097	0.13	-0.083	0.025	-0.032	0.186	0.159	-0.111	0.178	0.501
q55	0.292	0.126	0.145	-0.058	0.105	0.62	0.066	0.095	0.024	-0.051	-0.018	-0.04	-0.126
q56	-0.241	-0.04	-0.088	0.237	-0.097	-0.186	0.045	0.151	0.143	0.107	0.12	-0.006	-0.593
q57	0.02	0.151	0.012	0.018	0.097	0.121	-0.066	0.3	0.075	-0.555	0.019	0.136	0.143
q58	0.019	-0.008	-0.176	0.509	0.044	-0.029	0.138	-0.061	0.061	-0.036	0.065	-0.353	0.075
q59	0.039	-0.051	0.048	-0.026	0.129	-0.01	-0.109	-0.051	0.08	-0.094	-0.015	0.646	0.15
q60	0.645	0.034	-0.09	0.1	0.2	0.265	0.052	-0.044	-0.023	-0.05	-0.018	-0.215	-0.053

Component Transformation Matrix

	RC1	RC2	RC3	RC4	RC5	RC6	RC7	RC8	RC9	RC10	RC11	RC12	RC13
1	0.612	0.256	0.151	0.316	-0.406	0.015	0.081	-0.145	-0.201	-0.061	-0.032	-0.36	0.265
2	-0.436	0.672	0.19	-0.049	-0.195	0.365	0.017	-0.033	-0.178	-0.089	0.266	-0.027	-0.193
3	-0.039	-0.163	0.748	0.079	-0.173	0.146	-0.156	0.347	0.351	0.017	-0.026	0.193	0.22
4	-0.015	-0.182	-0.317	0.467	-0.057	0.307	-0.581	-0.087	0.112	-0.231	0.359	0.088	0.055
5	0.192	0.046	0.163	0.1	0.637	0.401	0.24	-0.213	0.352	0.074	0.161	-0.311	-0.057
6	0.187	0.004	-0.221	-0.644	-0.374	0.241	-0.116	-0.168	0.421	0.205	0.154	-0.055	0.126
7	-0.169	0.076	-0.4	0.198	-0.056	0.271	0.485	0.392	0.117	0.037	-0.063	0.114	0.519
8	0.416	-0.119	-0.08	-0.023	-0.072	0.281	0.116	0.545	-0.196	0.146	0.189	0.132	-0.546
9	-0.066	0.262	-0.174	0.248	-0.171	-0.256	-0.048	0.219	0.603	-0.073	-0.283	-0.29	-0.396
10	-0.119	0.097	-0.05	0.077	0.126	0.136	-0.426	0.163	-0.199	0.72	-0.271	-0.284	0.119
11	0.044	0.19	-0.002	-0.082	0.183	-0.511	-0.083	0.341	0.046	0.084	0.667	-0.179	0.226
12	0.363	0.53	-0.063	0.007	0.267	-0.073	-0.195	-0.043	0.118	0.052	-0.176	0.642	0.079
13	0.091	0.082	-0.046	-0.367	0.247	0.17	-0.289	0.364	-0.14	-0.576	-0.284	-0.292	0.159

Επικοινωνία: Επαμεινώνδας Διαμαντοπουλος,Τμήμα ΗΜ/ΜΥ,Δ.Π.Θ. Email: epdiaman@ee.duth.gr. Τηλ: 25410 79757,6944683327↩︎

Μεθοδολογία Έρευνας και Στατιστική Ανάλυση με Χρήση Ανοικτού Λογισμικού

Ενότητα: Ανάλυση Δομής Ερωτηματολογίου με τη γλώσσα R

Επαμεινώνδας Διαμαντόπουλος¹

1 Εισαγωγικό παράδειγμα I

2 Εισαγωγικό παράδειγμα ΙΙ

3 Αναγνώριση δομής στο ερωτηματολόγιο CDRISC (25 ερωτήσεις)

3.1 Δεδομένα

3.2 Περιγραφή των αποκρίσεων

3.3 Ομοιότητα αποκρίσεων

3.4 Ανάλυση κυρίων συνιστωσών

4 Αναγνώριση δομής στο ερωτηματολόγιο Trait Emotional Intelligence Questionnaire (TEIQue) (30 ερωτήσεις)

4.1 Ανακωδικοποίηση αποκρίσεων

4.2 Περιγραφή των αποκρίσεων

4.3 Ομοιότητα αποκρίσεων

4.4 Ανάλυση δομής

5 Αναγνώριση δομής στο ερωτηματολόγιο NEO - FFI (60 ερωτήσεις)

5.1 Ανακωδικοποίηση αποκρίσεων

5.2 Περιγραφή των αποκρίσεων

5.3 Ομοιότητα αποκρίσεων

5.4 Ανάλυση δομής

5.5 Ανάλυση δομής με περιορισμένο πλήθος παραγόντων

Μεθοδολογία Έρευνας και Στατιστική Ανάλυση με Χρήση Ανοικτού Λογισμικού

Ενότητα: Ανάλυση Δομής Ερωτηματολογίου με τη γλώσσα R

Επαμεινώνδας Διαμαντόπουλος1

1 Εισαγωγικό παράδειγμα I

2 Εισαγωγικό παράδειγμα ΙΙ

3 Αναγνώριση δομής στο ερωτηματολόγιο CDRISC (25 ερωτήσεις)

3.1 Δεδομένα

3.2 Περιγραφή των αποκρίσεων

3.3 Ομοιότητα αποκρίσεων

3.4 Ανάλυση κυρίων συνιστωσών

4 Αναγνώριση δομής στο ερωτηματολόγιο Trait Emotional Intelligence Questionnaire (TEIQue) (30 ερωτήσεις)

4.1 Ανακωδικοποίηση αποκρίσεων

4.2 Περιγραφή των αποκρίσεων

4.3 Ομοιότητα αποκρίσεων

4.4 Ανάλυση δομής

5 Αναγνώριση δομής στο ερωτηματολόγιο NEO - FFI (60 ερωτήσεις)

5.1 Ανακωδικοποίηση αποκρίσεων

5.2 Περιγραφή των αποκρίσεων

5.3 Ομοιότητα αποκρίσεων

5.4 Ανάλυση δομής

5.5 Ανάλυση δομής με περιορισμένο πλήθος παραγόντων

Επαμεινώνδας Διαμαντόπουλος¹