### Vorlesung lineare Modelle 1.6.2015 HK
library(car)
library(effects)
#### Simulation metrische Interaktion
x1 <- seq(from = 0, by = 0.01, to = 1)
x2 <- runif(101)
y <- -x1 + x2 + 2 * x1 * x2 + 0.3 * rnorm(101)
mod3 <- lm(y ~ x1 + x2 + x1 * x2)
summary(mod3)
plot(effect("x1*x2", mod3))
plot(effect("x1*x2", mod3, xlevels = list(x2 = c(0, 0.5, 1))))

# Einlesen der Daten und kurze Kontrolle Fehlerzahl von Schülern bei einem Test 
# zu starken Verben Wieoft: Häufig =1, Nie = 5
lesen <- read.table('lesen.txt', header = TRUE)

head(lesen)
library(car)
lesen$sex <- as.factor(lesen$sex)
lesen$Jahrgang <- as.factor(lesen$Jahrgang)
lesen<-within(lesen, 
{WOL  <- 5-WieoftLesen
 WOTV <- 5-WieoftFern
 WOM  <- 5-WieoftMusik  
 WOW  <- 5-WieoftWalk  
 WComp<- 5-WieoftComp
 WOG <-  5-WieoftGame}) 

### Interaktionen
mod2 <- lm(Fehlerzahl ~ sex + Jahrgang + Lesezeitmin * WOL, data = lesen)
summary(mod2)
### Interaktionseffekt plotten
plot(effect("Lesezeitmin*WOL", mod2))
### Alle Effekte
plot(allEffects(mod2))

## Zentrieren 
lesen$Lesezeitminz<-lesen$Lesezeitmin-mean(lesen$Lesezeitmin)
mod3 <- lm(Fehlerzahl ~ sex + Jahrgang + Lesezeitminz * WOL, data = lesen)
summary(mod3)
### Jetzt ist auch der Koeffizient von WOL interpretierbar: 
##  Effekt bei mittlerer Lese####