# Zwei-Faktoren-Varianzanalyse

library(ggplot2)
library(dplyr)
library(ez)
source(file.path(pfadu, "phoc.txt"))

# 1.
auf = read.table(file.path(pfadu, "auf.txt"))
# Die Daten zeigen Reaktionszeiten auf schwedische Woerter
# von franzoesischen und englischen Versuchspersonen (Faktor Lang)
# nach einem 0 oder 6 monatigen Aufenthalt (Faktor Monat) in Schweden.
# Werden die Reaktionszeiten von der Sprache und/oder Aufenthaltsdauer beeinflusst?

# 2.
phr = read.table(file.path(pfadu, "phr.df.txt"))
dim(phr)
# zeigen eine Messung der Sprechgeschwindigkeit (tempo) in 
# verschiedenen Kontexten (Faktor Kontext) und in Aeusserungen 
# unterschiedlicher Laenge (Faktor L). 
# Pruefen Sie durch eine Abbildung und statistischen Test, 
# inwiefern die Sprechgeschwindigkeit vom Kontext und von der 
# Aeusserungslaenge beeinflusst wird.

# 3. Fuer den Data-Frame
dbc = read.table(file.path(pfadu, "dbc.txt"))
# inwiefern wird wird die Dauer (d) vom Dialekt und/oder Einkommen beeinflusst?

# 4. Fuer den Data-Frame
rating = read.table(file.path(pfadu, "r.m.txt"))
# Inwiefern wird Rating von der Grammatikalitaet (Gram) und 
# Bekanntheit (Fam) beeinflusst?

# 5. Diese Tabelle
# http://www.phonetik.uni-muenchen.de/~jmh/lehre/Rdf/stable.pdf
# aus Sussman et al (1997) zeigt sogenannte Lokus-Steigungen fuer 
# 5 Sprecher (M# bis M#5) und 5 Sprecherinnen (F#1 bis F#5). 
# Die Lokus-Steigungen sind in der Spalte unter `k` und sie kommen 
# vor in silbeninitialer, silbenmedialer, und silbenfinaler Position 
# (daher 10 k-Eintraege  pro Position; 3 k-Eintrage pro Sprecher oder Sprecherin).

# Inwiefern wird `k` vom Geschlecht und/oder der Silbenposition beeinflusst?

# Data-Frame bauen
werteinit = c(.75, .74, .82, .75, .61, .71, .88, .78, .84, .77)
wertemed = c(.79, .81, .79, .68, .69, .74, .81, .77, .84, .73)
wertefin = c(.68, .74, .62, .52, .45, .26, .34, .49, .58, .24)