Overview of steps

Step 1: Download your individual data file

In the folder “Files” > “Assignment_Datasets” on Canvas, you will find hundreds       of .csv files, each containing a dataset, identified by student UPI (e.g. “jdoe123.csv”).         Locate and download the one corresponding to your UPI. Triple check that you have the right UPI, because you will be marked correct only if the statistical values, plots, and         conclusions in your completed assignment are correct for your assigned dataset.

Step 2: Download the Assignment Template markdown file

Download the “assignment_template_PSYCH306.Rmd” file from Canvas. You will complete the assignment entirely within this markdown file.

Step 3: Read the “Dataset Description” and “Overview of Questions and Marks” sections  below

Carefully read the description of the study and variables in the dataset, and the list of questions and how many marks are allocated to each. They are both on the following  pages of this document.

Step 4: Work through the questions

The “assignment_template_PSYCH306.Rmd” Markdown file contains detailed          instructions, and blocks of code and text for you to complete each question. Write all the R code you use to answer the questions within code blocks in the assignment Markdown       document. Save your work regularly!

Step 5: Knit and submit

When you are finished, “Knit” the completed Markdown file as a Word or PDF file and upload it on Canvas under “Assignments” > “Midsemester Data Analysis             Assignment” by May 7th  23:59pm.

Dataset Description

These are data from a fictional longitudinal study looking at how literacy in childhood is    affected by relationships and family environment. The study has been revisiting the same children each year for several years, so the researchers are excited to find out what it      might be able to tell us about any effects the Covid-19 lockdowns may have had on         literacy development.

They have hired you as a research assistant, given you their dataset, and asked you to investigate!

Below is a description of the measures involved in the study. You should consult these    descriptions when you are deciding which analyses to run, when you are deciding how to label graphs, and when you are reporting and interpreting the outcomes of analyses.

Participants and study design: Participants were 270 children in New Zealand, born      between 2014-2019. For the purpose of looking at the effect of Covid-19 lockdowns, we    will focus on measures of their literacy taken in December 2021 (after two years of            intermittent lockdowns and educational disruptions) and in December 2022 (after they had returned to relatively normal schooling for one year).

“Literacy” includes a child’s proficiency in speaking, understanding, reading, and writing   their native language. In this study it was measured by a standardised test, and the score is expressed as a percentile relative to other children of the same age. A score of 50        therefore indicates that a child is at the 50th  percentile of children their age, i.e. exactly     average. A normally-developing seven-year old will therefore have the same percentile    score as a normally-developing two-year old, even though their language abilities will of  course be much higher.

Overview of Questions and Marks (total 30 marks)

Part 1: Inspecting the data

    Question 1.1: Complete text block describing variables (1 mark)

Part 2: Is there an association between parental income and childhood literacy?

    Question 2.1: Show a scatterplot of literacy_Dec2021 as a function of parental_income (1 mark)

    Question 2.2: Complete text block stating null and alternative hypotheses (1 mark)

    Question 2.3: Complete text block reporting test of the association between parental_income and literacy_Dec202 (1 mark)

    Question 2.4: Complete text block predicting literacy percentile from parental income (1 mark)

Part 3: Is there an association between age of child and strain on parents’  relationship during Covid-19?

    Question 3.1: Show the contingency table between age_group and parental_relationship (1 mark)

    Question 3.2: Complete text block reporting test of the association between age_group and parental_relationship (1 mark)

Part 4: Has literacy improved in the year since Covid-19 lockdowns ended?

    Question 4.1: Complete text block reporting tests of whether 2021 and 2022 literacy scores are different from expected (1 mark)

    Question 4.2: Show plot to visually assess whether 2021 literacy scores are normally distributed (0.5 mark)

    Question 4.3: Complete text block reporting test of whether 2021 literacy scores are normally distributed (0.5 mark)

    Question 4.4: Show plot to visually assess whether 2022 literacy scores are normally distributed (0.5 mark)

    Question 4.5: Complete text block reporting test of whether 2022 literacy scores are normally distributed (0.5 mark)

    Question 4.6: Complete text block reporting test of whether 2022 literacy scores are higher than 2021 literacy scores (2 marks)

Part 5: Is there evidence that the impacts of Covid-19 on literacy differed by age?

    Question 5.1: Show table of number of children in each age group (0.5 marks)

    Question 5.2: Show boxplot of literacy_Dec2021 grouped by age (1 mark)

    Question 5.3: Complete text block reporting test of whether literacy scores in 2021 differ by age (2 marks)

    Question 5.4: Complete text block reporting tests of whether data meet the assumptions of this analysis (2 marks)

    Question 5.5: Complete text block reporting follow-up tests, if appropriate (2 marks)

Part 6: Could age and attachment style have affected how children's literacy  recovered after Covid-19?

    Question 6.1: Show table of number of children in each combination of age_group and attachment_style (0.5 marks)

    Question 6.2: Show boxplot of literacy_Dec2022 grouped by age and attachment style (1 mark)

    Question 6.3: Complete text block reporting test of whether literacy scores in 2021 differ by age, attachment style, and/or the interaction of the two (3 marks)

    Question 6.4: Complete text block reporting tests of whether data meet the assumptions of this analysis (2 marks)

    Question 6.5: Complete text block reporting follow-up tests, where appropriate (3 marks)

Part 7: What are your conclusions about the data?

    Question 7.1: Complete text block summarising what the last two analyses tell us (1 mark)

Additional information

Extensions

Extensions will only be granted in exceptional circumstances. If you need an            extension to the due date (7th  May, 23:59pm), fill in the form on Canvas (“Modules” >          “General course resources” > “How to request an extension”) and send it, together with     any documentation, to Thanos Kyritsis via Canvas mail, at least two full business days  before the deadline (extension requests received after 9am Thursday 4th  May may not be processed in time).

How can I get help with the assignment?

    Ask questions on Piazza. Please don’t share your answers or code for assignment questions – but you are very welcome to discuss points of confusion, ask for          clarification, or post and discuss code from labs.

    Go to tutors’ office hours (either your tutor or another one) – see course home page on Canvas for times. Note that tutor office hours will not be held during the midsemester break (10th April–21st April), or on public holidays (7th April and 25th  April).

    Go to Kate Storrs’ office hours – 9– 11am Thursdays, including during midsemester break (10th April–21st April).

    Form study groups. Although you have different datasets, talking with others will  be a very helpful in understanding what the appropriate response to each question is.

    The lab in week 7 will include time to discuss the assignment. We recommend you start working on it well before then though.

    The second half of the Week 6 Lecture 2 lecture contained more information and advice on completing the assignment.

Can I work with others on the assignment?

You are encouraged to discuss the assignment and help one another understand    what each question is asking for. Because you have been assigned a dataset that is           specific to you, you will often not arrive at exactly the same values or results as other         students analysing their datasets. The final work must be your own – i.e. you should not use shared code or text, write code or text for other students, or use human or AI services to write code or text for you.

What if I have problems creating the Word file?

The final submitted file must be either a Word or a PDF document that you have       created by “Knitting” the .Rmd markdown file. Try Knitting the document often and early on, as you work on it, so that you can get help via Piazza / tutor email / in lab if you             encounter problems. Submitting as a PDF is fine if you prefer (it looks nicer!), though this tends to throw errors in R unless you install further packages. Do not submit the raw .Rmd markdown file.

What if I run the right analysis but make a mistake reporting it, or vice versa?

For the questions that ask you to complete a text block reporting the result of a       statistical test, you will be marked on both the values you report in text and the analysis    code you ran to get those values. You will receive full marks only if you report the results   correctly and they accurately reflect the output of your analysis code. If you have the         correct analysis code but make a mistake in reporting the result in text, you will receive     partial marks. If you report the correct result in text but you have not shown your      analysis code, or have performed the wrong analysis, you will get no marks for that question. It is therefore very important to make sure all the R code underlying your           analyses is in the submitted assignment file.

Do the plots and reports of statistics have to be in APA format?

Roughly, but we won’t be super strict about it. When reporting statistical results, you should follow the APA numbers & stats guidelines on which abbreviations to use (e.g. M for   mean, SD for standard deviation), how many decimal places to use, etc. When in doubt     about how to report a result, follow the examples that have been given in lectures . For plots, the internal components of the plot should follow APA figure guidelines (see image     below). In particular, they should use a simple uncluttered design, with readable font sizes, and simple descriptive labels and titles on the x-axis and y-axis (and legend, if more than   one factor is shown on the plot). You don’t need to worry about any of the surrounding        figure attributes though (e.g. figure number, title, or caption).

Image from: https://apastyle.apa.org/style-grammar-guidelines/tables-figures/figures