#####################
#####################
#####################

#Mit Wellen werden im Code die Befragungswellen und NICHT die Coronawellen gemeint.

#####################
#####################
#####################

######################set workingspace, load data and packages
setwd("/Users/Jackie/Desktop/Studium/VorbereitungForschungsseminar/Blogbeitrag/Blogdaten")
data <- read.csv(file="CoronaMonitorAll.csv",
                 sep=",",
                 encoding = "UTF-8",
                 stringsAsFactors = FALSE)


library(dplyr)# manupulating
library(sf) # geo data handling
library(data.table) # data crunching
library(ggplot2) # plots
library(scales) # scale colorscheme
library(ggrepel) # for labeling
library(ggpubr)
library(gridExtra)

#####################start #####################
#######check Vertrauen in BR in Welle 2 und 5
welle2 <- data%>%
  filter(Welle=="2")%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))

welle5 <- data%>%
  filter(Welle=="5")%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))

######## Veränderung auf karte zeigen
######## 2 welle

Vertrauen2 <- welle2 %>%
  group_by(kanton) %>%
  mutate(vertrauenBR2 = weighted.mean(vertrauen, na.rm=T, weight = weight)) %>% 
  subset(kanton != "- Auslandschweizer/in -") %>% #Auslandschweizer rauswerfen
  dplyr::select(kanton, vertrauenBR2) %>%
  distinct() # Nur eindeutige Zeilen auswählen

########ktnr. hinzufügen
ktnr <- read.csv("kantonnr.csv",
                 sep=";",
                 encoding="UTF-8",
                 stringsAsFactors = F)

########mit dem Datensatz mittels leftjoin und kanton verbinden 
Vertrauen2 <- Vertrauen2 %>% 
  left_join(ktnr,
            by = c("kanton" = "Kanton"))
Vertrauen2 <- Vertrauen2%>%
  rename(ktnr = X.U.FEFF.ktnr)

#######shapekarte beziehen
cantons_geo <- read_sf("ggg_2020-LV95/shp/g2k20.shp")


########merg mit datensatz mittels leftjoin
corona_geo <- left_join(cantons_geo, Vertrauen2,
                        by = c("KTNR" = "ktnr"))



######## same für Vertrauen in BR in 5 Welle
Vertrauen5 <- welle5 %>%
  group_by(kanton) %>%
  mutate(vertrauenBR5 = weighted.mean(vertrauen, na.rm=T, weight = weight)) %>% 
  subset(kanton != "- Auslandschweizer/in -") %>%
  dplyr::select(kanton, vertrauenBR5) %>%
  distinct() # Nur eindeutige Zeilen auswählen

########leftjoin
Vertrauen5 <- Vertrauen5 %>% 
  left_join(ktnr,
            by = c("kanton" = "Kanton"))
Vertrauen5 <- Vertrauen5%>%
  rename(ktnr = X.U.FEFF.ktnr)
#######
corona_geo2 <- left_join(cantons_geo, Vertrauen5,
                         by = c("KTNR" = "ktnr"))


########Vertrauen zum Bundesrat in der 2 Befragungswelle (erste Welle) ploten

VertrauenCH2 <- ggplot() + 
  geom_sf(
    data = cantons_geo,
    aes(),
    fill = "#FCFCFC",
    color = "#666666",
    size = 0.1
  ) +
  geom_sf(
    data = corona_geo,
    aes(fill = vertrauenBR2),
    color = "white",
    size = 0.1
  ) +
  scale_fill_gradientn(colours = c("#BAE4B3","#74C476",
                                   "#31A354", "#006D2C"),
                       na.value = "grey50",
                       # für welchen Bereich Farbverlauf?
                       limits = c(min(corona_geo2$vertrauenBR5), max(corona_geo$vertrauenBR2)), 
                       # Farbverlauf neu skalieren
                       oob = squish, # Daten ausserhalb limits in die Grenzen drücken
                       # Legende neu beschriften
                       breaks = c(2.8,3.1,3.4,3.7,4.0),
                       labels = c("2.8: kleineres Vertrauen", "3.1", "3.4","3.7",
                                  "4.0: grösseres Vertrauen"))+ 
  theme_void() +
  theme(
    panel.grid.major = element_line("transparent"),
    legend.position = c(1.1,.2)
  ) +
  labs(title = 
         "Vertrauen in den Bundesrat
während der ersten und zweiten Coronawelle",
       subtitle = "Befragungszeitraum: 3. April - 5. April",
       fill = "",caption = "")+
  theme(plot.caption = element_text(size = 6))
#######save
save(VertrauenCH2, file ="VertrauenwährendersterCoronawelle")


######## Plot Vertrauen zum Bundesrat in der 5 Welle

VertrauenCH5 <- ggplot() + 
  geom_sf(
    data = corona_geo2,
    aes(),
    fill = "#FCFCFC",
    color = "#666666",
    size = 0.1
  ) +
  geom_sf(
    data = corona_geo2,
    aes(fill = vertrauenBR5),
    color = "white",
    size = 0.1
  ) +
  scale_fill_gradientn(colours = c("#BAE4B3","#74C476",
                                   "#31A354", "#006D2C"),
                       na.value = "grey50",
                       # für welchen Bereich Farbverlauf?
                       limits = c(min(corona_geo2$vertrauenBR5), max(corona_geo$vertrauenBR2)), 
                       # Farbverlauf neu skalieren
                       oob = squish, # Daten ausserhalb limits in die Grenzen drücken
                       # Legende neu beschriften
                       breaks = c(2.8,3.1,3.4,3.7,4.0),
                       labels = c("2.8: kleineres Vertrauen", "3.1", "3.4","3.7",
                                  "4.0: grösseres Vertrauen"))+
  theme_void() +
  theme(
    panel.grid.major = element_line("transparent"),
    legend.position = c(1.0845,.87)
  ) +
  labs(title = "   \n",
       subtitle = "Befragungszeitraum: 23.Oktober - 28. Oktober",
       fill = "", caption = "Wie gross ist Ihr Vertrauen in die politische Führung der Schweiz in Bezug auf die Bewältigung der Corona-Krise? \n
       Antworten von 1 = Sehr klein bis 5 = sehr gross")+
  theme(plot.caption = element_text(size = 6))


save(VertrauenCH5, file ="VertrauenwährendzweiterCoronawelle")


Kartefertig <- ggarrange(VertrauenCH2,VertrauenCH5, nrow = 2, 
                         common.legend = TRUE, legend = "right")

save(Kartefertig, file="Fertige Karte")
#######Siginifikantstest
#Unterschied zu beiden Wellen signifikant?
signifikantVertrauenWelle2und5 <- t.test(Vertrauen2$vertrauenBR2, Vertrauen5$vertrauenBR5)
#######VertrauenCH2
#######VertrauenCH5


######################### Vertrauen BR Differenz Karte###############
##################### Differenz hinzufügen #################

corona_geo3 <- corona_geo2%>%
  mutate(Differenz = c(corona_geo$vertrauenBR2) - c(corona_geo2$vertrauenBR5))


##################### plot Differenz #####################
VertrauenDifferenz <- ggplot() + 
  geom_sf(
    data = corona_geo3,
    aes(),
    fill = "#FCFCFC",
    color = "#666666",
    size = 0.1
  ) +
  geom_sf(
    data = corona_geo3,
    aes(fill = Differenz),
    color = "white",
    size = 0.1
  ) +
  scale_fill_gradientn(colours = c("#BAE4B3","#74C476",
                                   "#31A354", "#006D2C"), na.value = "grey50",
                       # für welchen Bereich Farbverlauf?
                       limits = c(min(corona_geo3$Differenz), max(corona_geo3$Differenz)), 
                       # Farbverlauf neu skalieren
                       oob = squish, # Daten ausserhalb limits in die Grenzen drücken
                       # Legende neu beschriften
                       breaks = c(.6,.8,1,1.2),
                       labels = c("0.6: geringerer Vertrauensverlust", "0.8", "1.0",
                                  "1.2: grösserer Vertrauensverlust"))+ 
  theme_void() +
  theme(
    panel.grid.major = element_line("transparent"),
    legend.position = c(.85,.13)
  ) +
  labs(title = 
         "Appenzell Innerrhoden mit dem grössten Vertrauensverlust",
       subtitle = "Vertrauensverlust der Schweizer Bevölkerung in den Bundesrat \nzwischen März und Oktober",
       fill = "",caption = "Die Frage im Monitoring lautete: Wie gross ist Ihr Vertrauen in die politische Führung der Schweiz in Bezug auf die Bewältigung der Corona-Krise?")+
  theme(plot.caption = element_text(size = 7.5))

Karte.Vertrauen <- VertrauenDifferenz + theme(plot.title = element_text(color = "black", size = 12, face = "bold"),
  plot.subtitle = element_text(color = "black", size = 12),
  plot.caption = element_text(color = "black", face = "italic"))

ggsave(Karte.Vertrauen, file = "test2.PNG", width = 9, height = 7)

########### Dieser Plot(Karte.Vertrauen) wurde für den Blogbeitrag verwendet

######### Für das Leserverständis verwende ich für den Blogbeitrag
######### die Differenzkarte (Karte.Vertrauen)
###############rangeplot##################


VertrauenSchweiz1st_vs_2nd <- as.data.frame(rep(c(corona_geo2$KTNAME),2))

VertrauenSchweiz1st_vs_2nd <- VertrauenSchweiz1st_vs_2nd%>%
  mutate(Values = c(corona_geo$vertrauenBR2, corona_geo2$vertrauenBR5))%>%
  mutate(rep(c("April", "Oktober"), each = 26))
colnames(VertrauenSchweiz1st_vs_2nd) <- c("Kantone", "Values", "Welle")

VertrauenSchweiz1st_vs_2nd[VertrauenSchweiz1st_vs_2nd=="Bern / Berne"] <- "Bern"
VertrauenSchweiz1st_vs_2nd[VertrauenSchweiz1st_vs_2nd=="Fribourg / Freiburg"] <- "Freiburg"
VertrauenSchweiz1st_vs_2nd[VertrauenSchweiz1st_vs_2nd=="Graubünden / Grigioni / Grischun"] <- "Graubünden"
VertrauenSchweiz1st_vs_2nd[VertrauenSchweiz1st_vs_2nd=="Valais / Wallis"] <- "Wallis"


ggplot(VertrauenSchweiz1st_vs_2nd,
       aes(y = Kantone, x = Values, colour = Welle)) + 
  geom_point() +
  xlim(1,5) +
  theme_classic()+
  ggtitle("Vertrauen in den Bundesrat",
          subtitle = "Vergleich zwischen April und Oktober")


###### wird nicht verwendet -> Differenzkarte verständlicher für den Leser


##########################################

######## Durchschnittsvergleich Ostschweiz 2 und 5 Befragungswelle
VertrauenDurchnischnittOst2 <- Vertrauen2%>%
  filter(kanton %in% c("St. Gallen", "Thurgau", "Appenzell Ausserrhoden", 
                       "Appenzell Innerrhoden"))
mean(VertrauenDurchnischnittOst2$vertrauenBR2)

VertrauenDurchnischnittOst5 <- Vertrauen5%>%
  filter(kanton %in% c("St. Gallen", "Thurgau", "Appenzell Ausserrhoden", 
                       "Appenzell Innerrhoden"))
mean(VertrauenDurchnischnittOst5$vertrauenBR5)

########Vergleich mit der Romandie

VertrauenDurchnischnittRomandie2 <- Vertrauen2%>%
  filter(kanton %in% c("Genf", "Wallis", "Freiburg","Waadt", "Neuenburg", "Jura"))
mean(VertrauenDurchnischnittRomandie2$vertrauenBR2)

VertrauenDurchnischnittRomandie5 <- Vertrauen5%>%
  filter(kanton %in% c("Genf", "Wallis", "Freiburg","Waadt", "Neuenburg", "Jura"))
mean(VertrauenDurchnischnittRomandie5$vertrauenBR5)


######## Fokus auf die Ostschweiz bzw SG, TG, AR, AI

Ostschweiz <- data%>%
  filter(kanton %in% c("St. Gallen", "Thurgau", "Appenzell Ausserrhoden", 
                       "Appenzell Innerrhoden"))
Ost2welle <- data%>%
  filter(kanton %in% c("St. Gallen", "Thurgau", "Appenzell Ausserrhoden", 
                       "Appenzell Innerrhoden"), Welle=="2")

Ost5welle <- data%>%
  filter(kanton %in% c("St. Gallen", "Thurgau", "Appenzell Ausserrhoden", 
                       "Appenzell Innerrhoden"), Welle=="5")


########SG,TG,AR und AI zu Ostschweiz zusammenlegen
Ostschweiz$kanton[Ostschweiz$kanton %in% c("St. Gallen", "Thurgau",
                                           "Appenzell Innerrhoden", 
                                           "Appenzell Ausserrhoden")] <- "Ostschweiz"

######## Veränderung der gesamten Ostschweiz für die Variablen: Vertrauen BR
#######Kontrolvariable: Kommunikation der Behörden
########Ostschweiz Vertrauen in Bundesrat 2. Welle
OstschweizVertrauen2Welle <- Ostschweiz%>%
mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  filter(Welle == "2")%>%
  select(Welle, vertrauen, kanton)%>%
  group_by(kanton)%>%
  mutate(vertrauen = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(vertrauen)

########Ostschweiz Vertrauen in Bundesrat 5. Welle
OstschweizVertrauen5Welle <- Ostschweiz%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  filter(Welle == "5")%>%
  select(Welle, vertrauen, kanton)%>%
  group_by(kanton)%>%
  mutate(vertrauen = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(vertrauen)

########Ostschweiz Kommunikation der Behörden 2. Welle
OstschweizKommunikation2Welle <- Ostschweiz%>%
  mutate(kommunikation = as.numeric(stringr::str_extract(kommunikation, "[0-9]+")))%>%
  filter(Welle == "2")%>%
  select(Welle, kommunikation, kanton)%>%
  group_by(kanton)%>%
  mutate(kommunikation = weighted.mean(kommunikation, na.rm=T, weight = weight))%>%
  distinct(kommunikation)

########Ostschweiz Kommunikation der Behörden 5. Welle
OstschweizKommunikation5Welle <- Ostschweiz%>%
  mutate(kommunikation = as.numeric(stringr::str_extract(kommunikation, "[0-9]+")))%>%
  filter(Welle == "5")%>%
  select(Welle, kommunikation, kanton)%>%
  group_by(kanton)%>%
  mutate(kommunikation = weighted.mean(kommunikation, na.rm=T, weight = weight))%>%
  distinct(kommunikation)

########Ostschweiz Wie stark eingeschränkt durch die Behörden Erste Welle? 
########BEACHTE: Vergleich erste und fünfte befragungswelle weil: 2 Welle = NA

OstschweizEingeschränkt1Welle <- Ostschweiz%>%
  mutate(alltagHeraus = as.numeric(stringr::str_extract(alltagHeraus, "[0-9]+")))%>%
  filter(Welle == "1")%>%
  select(Welle, alltagHeraus, kanton)%>%
  group_by(kanton)%>%
  mutate(alltagHeraus = weighted.mean(alltagHeraus, na.rm=T, weight = weight))%>%
  distinct(alltagHeraus)

########Ostschweiz Wie stark eingeschränkt durch die Behörden Erste Welle? 

OstschweizEingeschränkt5Welle <- Ostschweiz%>%
  mutate(alltagHeraus = as.numeric(stringr::str_extract(alltagHeraus, "[0-9]+")))%>%
  filter(Welle == "5")%>%
  select(Welle, alltagHeraus, kanton)%>%
  group_by(kanton)%>%
  mutate(alltagHeraus = weighted.mean(alltagHeraus, na.rm=T, weight = weight))%>%
  distinct(alltagHeraus)


################# GRUND? ZUKUNFT?###############
#Optimistisch / Pessimistisch

Zukunft2 <- Ostschweiz%>%
  mutate(optpes = as.numeric(stringr::str_extract(optpes, "[0-9]+")))%>%
  filter(Welle == "2")%>%
  select(Welle, optpes, kanton)%>%
  group_by(kanton)%>%
  mutate(optpes = weighted.mean(optpes, na.rm=T, weight = weight))%>%
  distinct(optpes)

Zukunft5 <- Ostschweiz%>%
  mutate(optpes = as.numeric(stringr::str_extract(optpes, "[0-9]+")))%>%
  filter(Welle == "5")%>%
  select(Welle, optpes, kanton)%>%
  group_by(kanton)%>%
  mutate(optpes = weighted.mean(optpes, na.rm=T, weight = weight))%>%
  distinct(optpes)


########graphisch darstellen
Erste_WelleOst <- c(OstschweizVertrauen2Welle$vertrauen, 
                    OstschweizKommunikation2Welle$kommunikation,
                    OstschweizEingeschränkt1Welle$alltagHeraus, Zukunft2$optpes)
Zweite_WelleOst <- c(OstschweizVertrauen5Welle$vertrauen,
                     OstschweizKommunikation5Welle$kommunikation,
                     OstschweizEingeschränkt5Welle$alltagHeraus, Zukunft5$optpes)

Fragen <- c("Vertrauen in BR", "Kommunikation der Regierung", "Gefühlte Einschränkungen", "Wie steht es um die Zukunft?")

bardataframe <- data.frame(Erste_WelleOst, Zweite_WelleOst, Fragen)

bardataframe <- melt(bardataframe, id.vars='Fragen')

GrafikVergleichWellenOst <- ggplot(bardataframe, aes(x=Fragen, y=value, fill=variable)) +
  geom_bar(stat='identity', position='dodge')+
  labs(title="Wie die Ostschweiz Fühlt",
       x ="Ostschweiz", y="test")+
  theme_classic()


########Erklärung für negativen Verlauf der Variablenwerte? -> Einschätzung Coronagefahr

########Ostschweiz Wie schätzt man die Coronagefahr ein? #Prozentzahlen ausrechnen
########Zweite Befragungswelle
Coronagefahr2 <- Ostschweiz%>%
  filter(Welle == "2")%>%
  group_by(coronagefahr)%>%
  tally()

countostzweitewelle <- Ostschweiz%>%
  filter(Welle == "2")%>%
  select(coronagefahr)

Keine_Sorgen <- Coronagefahr2$n[5]/2062
Milder_Verlauf <-Coronagefahr2$n[4] /2062
Tödlicher_Ausgang <- Coronagefahr2$n[3]/2062
Schwerer_Verlauf <- Coronagefahr2$n[2]/2062
#Fünfte Befragungswelle
Coronagefahr5 <- Ostschweiz%>%
  filter(Welle == "5")%>%
  group_by(coronagefahr)%>%
  tally()

countostfünftewelle <- Ostschweiz%>%
  filter(Welle == "5")%>%
  select(coronagefahr)

Keine_Sorgen2 <- Coronagefahr5$n[5]/2956
Milder_Verlauf2 <-Coronagefahr5$n[4] /2956
Tödlicher_Ausgang2 <- Coronagefahr5$n[3]/2956
Schwerer_Verlauf2 <- Coronagefahr5$n[2]/2956

Antworten2 <- c("Keine Gefahr", "Milder Verlauf","Schwerer Verlauf", "Tödlicher Verlauf")
Erste_Coronawelle <- c(Keine_Sorgen,Milder_Verlauf,Schwerer_Verlauf,
                       Tödlicher_Ausgang)*100
Zweite_Coronawelle <- c(Keine_Sorgen2,Milder_Verlauf2, Schwerer_Verlauf2,
                        Tödlicher_Ausgang2)*100
BarCoronagefahr <- data.frame(Erste_Coronawelle, Zweite_Coronawelle, Antworten2)
#######Vorbereitung für plot
BarCoronagefahr <- melt(BarCoronagefahr, id.vars='Antworten2')

####### Ploten
Coronagefahrgrafik <- ggplot(BarCoronagefahr, aes(x=Antworten2, y=value, fill=variable)) +
  geom_bar(stat='identity', position='dodge')+
  labs(title="Wie schätzt die Ostschweiz die Coronagefahr ein",
       x ="Antworten", y="in Prozent")+
  theme_classic()

######## -> Kaum Veränderung in der Wahrnehmung der Coronagefahr in der Ostschweiz!

########Geographische Unterschiede in der Ostschweiz?
######## Veränderung gesamte Ostschweiz bei Vertrauen in BR in AR, AI SG und TG unterteilt

Ost2Vertrauenwellegesamt <- Ost2welle%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  select(Welle, vertrauen, kanton)%>%
  group_by(kanton)%>%
  mutate(vertrauen2ostgesamt = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(vertrauen2ostgesamt)


######## Vergleich 5. Welle
library(tidyr)
Ost5Vertrauenwellegesamt <- Ost5welle%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  select(Welle, vertrauen, kanton)%>%
  group_by(kanton)%>%
  mutate(vertrauen5ostgesamt = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(vertrauen5ostgesamt)

########graphisch darstellen
Erste_Welle <- c(Ost2Vertrauenwellegesamt$vertrauen2ostgesamt)
Zweite_Welle <- c(Ost5Vertrauenwellegesamt$vertrauen5ostgesamt)
Kantone <- c(Ost2Vertrauenwellegesamt$kanton)

bardataframe <- data.frame(Erste_Welle, Zweite_Welle, Kantone)


#######Plot vorbereiten
bardataframe <- melt(bardataframe, id.vars='Kantone')


#######Ploten
GrafikVergleichWellenOst <- ggplot(bardataframe, aes(x=Kantone, y=value, fill=variable)) +
  geom_bar(stat='identity', position='dodge')+
  labs(title="Bevölkerung verliert das Vertrauen",
       x ="Ostschweiz", y="Vertrauen in den Bundesrat")+
  theme_classic()
save(GrafikVergleichWellenOst, file = "SchrumpfendesVertraueninderOstschweiz")


######## Same same for Medieneinschätzung in der Ostschweiz

Welle2und5 <- data%>%
  filter(Welle %in% c("2", "5"))%>%
  filter(kanton %in% c("St. Gallen", "Thurgau", "Appenzell Ausserrhoden", 
                       "Appenzell Innerrhoden"))%>%
  select(kanton, Welle, medien_SQ001:medien_SQ005)

#######Umformatieren, um Prozente zu errechnen
Welle2und5[Welle2und5=="Sie informieren umfassend: Not selected"] <- 0
Welle2und5[Welle2und5=="Sie informieren umfassend: Selected"] <- 1
Welle2und5[Welle2und5=="Sie ordnen sachlich ein: Not selected"] <- 0
Welle2und5[Welle2und5=="Sie ordnen sachlich ein: Selected"] <- 1
Welle2und5[Welle2und5=="Sie tragen zu Panik bei: Not selected"] <- 0
Welle2und5[Welle2und5=="Sie tragen zu Panik bei: Selected"] <- 1
Welle2und5[Welle2und5=="Sie unterschätzen das Ausmass der Krise: Selected"] <- 1
Welle2und5[Welle2und5=="Sie unterschätzen das Ausmass der Krise: Not selected"] <- 0
Welle2und5[Welle2und5=="Sie übertreiben mit ihrer Dauerberichterstattung: Not selected"] <- 0
Welle2und5[Welle2und5=="Sie übertreiben mit ihrer Dauerberichterstattung: Selected"] <- 1

########rename Columns für bessere verständlichkeit
Welle2und5 <- Welle2und5 %>% rename("Medieninformierenumfassend"="medien_SQ001",
                                    "Medienordnensachlichein"="medien_SQ002","MedientragenzuPanikbei"="medien_SQ003",
                                    "MedienunterschätzendasAusmassderKrise"="medien_SQ004",
                                    "MedienübertreibenmitihrerDauerberichterstattung"="medien_SQ005")
#######für zweite Welle
Medien2WelleOstschweiz <- Welle2und5%>%
  filter(Welle=="2")%>%
  mutate(Medieninformierenumfassend = 
           as.numeric(stringr::str_extract(Medieninformierenumfassend, "[0-9]+")))%>%
  mutate(Medienordnensachlichein = 
           as.numeric(stringr::str_extract(Medienordnensachlichein, "[0-9]+")))%>%
  mutate(MedientragenzuPanikbei = 
           as.numeric(stringr::str_extract(MedientragenzuPanikbei, "[0-9]+")))%>%
  mutate(MedienunterschätzendasAusmassderKrise = 
           as.numeric(stringr::str_extract(MedienunterschätzendasAusmassderKrise, "[0-9]+")))%>%
  mutate(MedienübertreibenmitihrerDauerberichterstattung = 
           as.numeric(stringr::str_extract(MedienübertreibenmitihrerDauerberichterstattung, "[0-9]+")))


#######Prozente berechnen
Informieren_umfassend2 <- sum(Medien2WelleOstschweiz$Medieninformierenumfassend)/2062
Ordnen_sachlich_ein2 <- sum(Medien2WelleOstschweiz$Medienordnensachlichein)/2062
Tragen_zu_Panik_bei2 <- sum(Medien2WelleOstschweiz$MedientragenzuPanikbei)/2062
Unterschätzen_die_krise2 <- sum(Medien2WelleOstschweiz$MedienunterschätzendasAusmassderKrise)/2062
überteiben2 <- sum(Medien2WelleOstschweiz$MedienübertreibenmitihrerDauerberichterstattung)/2062

########Selbe für 5. welle

Medien5WelleOstschweiz <- Welle2und5%>%
  filter(Welle=="5")%>%
  mutate(Medieninformierenumfassend = 
           as.numeric(stringr::str_extract(Medieninformierenumfassend, "[0-9]+")))%>%
  mutate(Medienordnensachlichein = 
           as.numeric(stringr::str_extract(Medienordnensachlichein, "[0-9]+")))%>%
  mutate(MedientragenzuPanikbei = 
           as.numeric(stringr::str_extract(MedientragenzuPanikbei, "[0-9]+")))%>%
  mutate(MedienunterschätzendasAusmassderKrise = 
           as.numeric(stringr::str_extract(MedienunterschätzendasAusmassderKrise, "[0-9]+")))%>%
  mutate(MedienübertreibenmitihrerDauerberichterstattung = 
           as.numeric(stringr::str_extract(MedienübertreibenmitihrerDauerberichterstattung, "[0-9]+")))
Medien5WelleOstschweiz <- na.omit(Medien5WelleOstschweiz)

Informieren_umfassend5 <- sum(Medien5WelleOstschweiz$Medieninformierenumfassend)/1468
Ordnen_sachlich_ein5 <- sum(Medien5WelleOstschweiz$Medienordnensachlichein)/1468
Tragen_zu_Panik_bei5 <- sum(Medien5WelleOstschweiz$MedientragenzuPanikbei)/1468
Unterschätzen_die_krise5 <- sum(Medien5WelleOstschweiz$MedienunterschätzendasAusmassderKrise)/1468
überteiben5 <- sum(Medien5WelleOstschweiz$MedienübertreibenmitihrerDauerberichterstattung)/1468

####### Für Vergleich und Plot vorbereiten
MedienersteWelle <- c(Informieren_umfassend2,Ordnen_sachlich_ein2,
                      Tragen_zu_Panik_bei2,überteiben2)
MedienzweiteWelle <- c(Informieren_umfassend5,Ordnen_sachlich_ein5,
                       Tragen_zu_Panik_bei5,überteiben5)
Antworten <- c("Umfassend", "Sachlich","Panikmacher", "Übertreiben")

BarMedien <- data.frame(MedienersteWelle, MedienzweiteWelle, Antworten)

BarMedien <- melt(BarMedien, id.vars='Antworten')
######
######order x-achse
BarMedien$Antworten <- factor(BarMedien$Antworten, 
                              levels = c("Umfassend", "Sachlich", "Übertreiben", "Panikmacher"))




###### EInschätzungen noch neu anordnen (Umfassend, Übertreiben, sachlich, panikmacher)#######
####### Ploten mit %
MediengrafikOst <- ggplot(BarMedien, aes(x = Antworten, y=value*100, fill=variable)) +
  geom_bar(stat='identity', position='dodge', width = .75)+
  labs(title = "Medien verlieren an Glaubwürdigkeit",
       subtitle = "Wie werden die Medien in der Ostschweiz eingeschätzt",
       x ="Antworten", y = "in Prozent")+
  theme_classic()+
  scale_fill_manual(values = c("#bae4b3", "#31a354"), 
                    name = "", labels = c("April", "Oktober"))+
  geom_text(x=.8, y=3, label= "46%", color="white")+
  geom_text(x=1.2, y=3, label= "38%", color="white")+
  geom_text(x=1.8, y=3, label= "29%", color="white")+
  geom_text(x=2.2, y=3, label= "20%", color="white")+
  geom_text(x=2.8, y=3, label= "37%", color="white")+
  geom_text(x=3.2, y=3, label= "44%", color="white")+
  geom_text(x=3.8, y=3, label= "27%", color="white")+
  geom_text(x=4.2, y=3, label= "42%", color="white")+
  labs(caption = "Die Frage im Monitoring lautete: Wie beurteilen Sie die Berichterstattung der Schweizer Medien zum Coronavirus insgesamt?*
\n*Die Befragten hatten die Möglichkeit mehrere Antworten auszuwählen")+
  theme(plot.caption = element_text(size = 7.5))

Grafik.Medien <- MediengrafikOst + theme(plot.title = element_text(color = "black", size = 12, face = "bold"),
                           plot.subtitle = element_text(color = "black", size = 12),
                           plot.caption = element_text(color = "black", face = "italic"))

ggsave(Grafik.Medien, file = "test3.PNG", width = 9, height = 7)

########### Dieser Plot(Grafik.Medien) wurde für den Blogbeitrag verwendet

##### wie sieht es mit pfeilen und diff aus?
 # geom_text(x="Umfassend", y=27, label= "-8%", color="black") +
 # geom_segment(aes(x = .7, y = 26, xend = 1.2, yend = 20), 
             #  arrow = arrow(angle = 30, length = unit(.3, "cm")), color="black", size = 1)+
# geom_text(x="Sachlich", y=17, label= "-9%", color="black") +
# geom_segment(aes(x = 1.7, y = 16, xend = 2.2, yend = 9), 
#              arrow = arrow(angle = 30, length = unit(.3, "cm")), color="black", size = 1)+
# geom_text(x="Übertreiben", y=30, label= "+6%", color="black") +
# geom_segment(aes(x = 2.7, y = 22.5, xend = 3.2, yend = 27.5), 
#              arrow = arrow(angle = 30, length = unit(.3, "cm")), color="black", size = 1)+
# geom_text(x="Panikmacher", y=23, label= "+15%", color="black") +
# geom_segment(aes(x = 3.7, y = 10, xend = 4.2, yend = 20), 
#              arrow = arrow(angle = 30, length = unit(.3, "cm")), color="black", size = 1)


save(MediengrafikOst, file = "MedienOstschweizWellenvergleich")
#######Siginifikanztest
signifikanz <- t.test(MedienersteWelle[3:4], MedienzweiteWelle[3:4])


#######UNtersuchen ob Unterschied in der Ostschweiz bei unterschiedlichen Bildungsniveaus?

########Vertrauen höhere Bildung 2 Welle
  
Ost2VertrauenwelleUni <- Ost2welle
Ost2VertrauenwelleUni$edu[Ost2VertrauenwelleUni$edu %in%
                            c("Universität, ETH")] <- "Höhere Bildung"

Ost2VertrauenwelleUni <- Ost2VertrauenwelleUni%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  select(Welle, vertrauen, edu)%>%
  filter(Welle== "2", edu =="Höhere Bildung")%>%
  group_by(edu)%>%
  mutate(höhereBildung = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(höhereBildung)

########Vertrauen Grundausbildung  2 Welle

Ost2VertrauenwelleGrund <- Ost2welle
Ost2VertrauenwelleGrund$edu[Ost2VertrauenwelleGrund$edu %in%
                              c("Kein Bildungsabschluss, obligatorische Schule")] <- "Grundausbildung"

Ost2VertrauenwelleGrund <- Ost2VertrauenwelleGrund%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  select(Welle, vertrauen, edu)%>%
  filter(Welle== "2", edu =="Grundausbildung")%>%
  group_by(edu)%>%
  mutate(Grundausbildung = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(Grundausbildung)


########same same for 5 welle

Ost5VertrauenwelleUni <- Ost5welle
Ost5VertrauenwelleUni$edu[Ost5VertrauenwelleUni$edu %in%
                            c("Universität, ETH")] <- "Höhere Bildung"

Ost5VertrauenwelleUni <- Ost5VertrauenwelleUni%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  select(Welle, vertrauen, edu)%>%
  filter(Welle== "5", edu =="Höhere Bildung")%>%
  group_by(edu)%>%
  mutate(höhereBildung = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(höhereBildung)


Ost5VertrauenwelleGrund <- Ost5welle
Ost5VertrauenwelleGrund$edu[Ost5VertrauenwelleGrund$edu %in%
                              c("Kein Bildungsabschluss, obligatorische Schule")] <- "Grundausbildung"

Ost5VertrauenwelleGrund <- Ost5VertrauenwelleGrund%>%
  mutate(vertrauen = as.numeric(stringr::str_extract(vertrauen, "[0-9]+")))%>%
  select(Welle, vertrauen, edu)%>%
  filter(Welle== "5", edu =="Grundausbildung")%>%
  group_by(edu)%>%
  mutate(Grundausbildung = weighted.mean(vertrauen, na.rm=T, weight = weight))%>%
  distinct(Grundausbildung)

#######Signifikanztest
signifikanzBildung <- t.test(c(3.88,3.9),c(2.96,2.66))
#######Siginifikant zwischen den Wellen, aber nicht zwischen den Bildungsniveaus


  
########same same for variable medien
  
Welle2und5educmedien <- data%>%
  filter(Welle %in% c("2", "5"))%>%
  filter(kanton %in% c("St. Gallen", "Thurgau", "Appenzell Ausserrhoden", 
                       "Appenzell Innerrhoden"))%>%
  select(Welle, medien_SQ001:medien_SQ005, edu)

Welle2und5educmedien[Welle2und5educmedien=="Sie informieren umfassend: Not selected"] <- 0
Welle2und5educmedien[Welle2und5educmedien=="Sie informieren umfassend: Selected"] <- 1
Welle2und5educmedien[Welle2und5educmedien=="Sie ordnen sachlich ein: Not selected"] <- 0
Welle2und5educmedien[Welle2und5educmedien=="Sie ordnen sachlich ein: Selected"] <- 1
Welle2und5educmedien[Welle2und5educmedien=="Sie tragen zu Panik bei: Not selected"] <- 0
Welle2und5educmedien[Welle2und5educmedien=="Sie tragen zu Panik bei: Selected"] <- 1
Welle2und5educmedien[Welle2und5educmedien=="Sie unterschätzen das Ausmass der Krise: Selected"] <- 1
Welle2und5educmedien[Welle2und5educmedien=="Sie unterschätzen das Ausmass der Krise: Not selected"] <- 0
Welle2und5educmedien[Welle2und5educmedien=="Sie übertreiben mit ihrer Dauerberichterstattung: Not selected"] <- 0
Welle2und5educmedien[Welle2und5educmedien=="Sie übertreiben mit ihrer Dauerberichterstattung: Selected"] <- 1

#rename
Welle2und5educmedien <- Welle2und5educmedien %>% rename("Medieninformierenumfassend"="medien_SQ001",
                                                        "Medienordnensachlichein"="medien_SQ002","MedientragenzuPanikbei"="medien_SQ003",
                                                        "MedienunterschätzendasAusmassderKrise"="medien_SQ004",
                                                        "MedienübertreibenmitihrerDauerberichterstattung"="medien_SQ005")

Welle2educmedien <- Welle2und5educmedien%>%
  filter(Welle=="2")%>%
  mutate(Medieninformierenumfassend = 
           as.numeric(stringr::str_extract(Medieninformierenumfassend, "[0-9]+")))%>%
  mutate(Medienordnensachlichein = 
           as.numeric(stringr::str_extract(Medienordnensachlichein, "[0-9]+")))%>%
  mutate(MedientragenzuPanikbei = 
           as.numeric(stringr::str_extract(MedientragenzuPanikbei, "[0-9]+")))%>%
  mutate(MedienunterschätzendasAusmassderKrise = 
           as.numeric(stringr::str_extract(MedienunterschätzendasAusmassderKrise, "[0-9]+")))%>%
  mutate(MedienübertreibenmitihrerDauerberichterstattung = 
           as.numeric(stringr::str_extract(MedienübertreibenmitihrerDauerberichterstattung, "[0-9]+")))
Welle2educmedien <- na.omit(Welle2educmedien)


Welle2Unimedien <- Welle2educmedien%>%
  filter(edu == "Universität, ETH")

Welle2Grundmedien <- Welle2educmedien%>%
  filter(edu == "Kein Bildungsabschluss, obligatorische Schule")


########Zweite Welle Werte für Grundausbildung und Uni


Informieren_umfassend2Uni <- sum(Welle2Unimedien$Medieninformierenumfassend)/371
Ordnen_sachlich_ein2Uni <- sum(Welle2Unimedien$Medienordnensachlichein)/371
Tragen_zu_Panik_bei2Uni <- sum(Welle2Unimedien$MedientragenzuPanikbei)/371
Unterschätzen_die_krise2Uni <- sum(Welle2Unimedien$MedienunterschätzendasAusmassderKrise)/371
überteiben2Uni <- sum(Welle2Unimedien$MedienübertreibenmitihrerDauerberichterstattung)/371


Informieren_umfassend2Grund <- sum(Welle2Grundmedien$Medieninformierenumfassend)/40
Ordnen_sachlich_ein2Grund <- sum(Welle2Grundmedien$Medienordnensachlichein)/40
Tragen_zu_Panik_bei2Grund <- sum(Welle2Grundmedien$MedientragenzuPanikbei)/40
Unterschätzen_die_krise2Grund <- sum(Welle2Grundmedien$MedienunterschätzendasAusmassderKrise)/40
überteiben2Grund <- sum(Welle2Grundmedien$MedienübertreibenmitihrerDauerberichterstattung)/40


########für 5 welle
Welle5educmedien <- Welle2und5educmedien%>%
  filter(Welle=="5")%>%
  mutate(Medieninformierenumfassend =
           as.numeric(stringr::str_extract(Medieninformierenumfassend, "[0-9]+")))%>%
  mutate(Medienordnensachlichein =
           as.numeric(stringr::str_extract(Medienordnensachlichein, "[0-9]+")))%>%
  mutate(MedientragenzuPanikbei =
           as.numeric(stringr::str_extract(MedientragenzuPanikbei, "[0-9]+")))%>%
  mutate(MedienunterschätzendasAusmassderKrise =
           as.numeric(stringr::str_extract(MedienunterschätzendasAusmassderKrise, "[0-9]+")))%>%
  mutate(MedienübertreibenmitihrerDauerberichterstattung =
           as.numeric(stringr::str_extract(MedienübertreibenmitihrerDauerberichterstattung, "[0-9]+")))
Welle5educmedien <- na.omit(Welle5educmedien)


Welle5Unimedien <- Welle5educmedien%>%
  filter(edu == "Universität, ETH")
Welle5Grundmedien <- Welle5educmedien%>%
  filter(edu == "Kein Bildungsabschluss, obligatorische Schule")


Informieren_umfassend5Uni <- sum(Welle5Unimedien$Medieninformierenumfassend)/248
Ordnen_sachlich_ein5Uni <- sum(Welle5Unimedien$Medienordnensachlichein)/248
Tragen_zu_Panik_bei5Uni <- sum(Welle5Unimedien$MedientragenzuPanikbei)/248
Unterschätzen_die_krise5Uni <- sum(Welle5Unimedien$MedienunterschätzendasAusmassderKrise)/248
überteiben5Uni <- sum(Welle5Unimedien$MedienübertreibenmitihrerDauerberichterstattung)/248


Informieren_umfassend5Grund <- sum(Welle5Grundmedien$Medieninformierenumfassend)/23
Ordnen_sachlich_ein5Grund <- sum(Welle5Grundmedien$Medienordnensachlichein)/23
Tragen_zu_Panik_bei5Grund <- sum(Welle5Grundmedien$MedientragenzuPanikbei)/23
Unterschätzen_die_krise5Grund <- sum(Welle5Grundmedien$MedienunterschätzendasAusmassderKrise)/23
überteiben5Grund <- sum(Welle5Grundmedien$MedienübertreibenmitihrerDauerberichterstattung)/23


####### Tabelle für Vergleich vorbereiten
matrixbildung <- matrix(NA,4,4)

row.names(matrixbildung) <- c("Informieren_umfassend","Ordnen_sachlich_ein",
                              "Tragen_zu_Panik_bei","überteiben")

colnames(matrixbildung) <- c("Uni2", "Uni5", "Grund2", "Grund5")
####### Werte eintragen
matrixbildung[1,1] <- Informieren_umfassend2Uni
matrixbildung[2,1] <- Ordnen_sachlich_ein2Uni
matrixbildung[3,1] <- Tragen_zu_Panik_bei2Uni
matrixbildung[4,1] <- überteiben2Uni
matrixbildung[1,2] <- Informieren_umfassend5Uni
matrixbildung[2,2] <- Ordnen_sachlich_ein5Uni
matrixbildung[3,2] <- Tragen_zu_Panik_bei5Uni
matrixbildung[4,2] <- überteiben5Uni
matrixbildung[1,3] <- Informieren_umfassend2Grund
matrixbildung[2,3] <- Ordnen_sachlich_ein2Grund
matrixbildung[3,3] <- Tragen_zu_Panik_bei2Grund
matrixbildung[4,3] <- überteiben2Grund
matrixbildung[1,4] <- Informieren_umfassend5Grund
matrixbildung[2,4] <- Ordnen_sachlich_ein5Grund
matrixbildung[3,4] <- Tragen_zu_Panik_bei5Grund
matrixbildung[4,4] <- überteiben5Grund

round(matrixbildung,2)
save(matrixbildung, file = "MedienBildungOst")

##############Kontrollvariablen für die Ostschweiz untersuchen
### Wie werden die Massnahmen eingeschätzt?
########Bewegungsfreiheit
#######In Prozent umrechnen
MassnahmenBewegung2 <- Ostschweiz%>%
  filter(Welle == "2")%>%
  group_by(massnBewegung)%>%
  tally()
na.omit(MassnahmenBewegung2)
MassnahmenBewegung2 <- MassnahmenBewegung2%>%
  mutate(Prozent = (MassnahmenBewegung2$n/sum(MassnahmenBewegung2$n)*100))

Ostbewegung <- Ostschweiz[!is.na(Ostschweiz$massnBewegung),]
MassnahmenBewegung5 <- Ostbewegung%>%
  filter(Welle == "5")%>%
  group_by(massnBewegung)%>%
  tally()
MassnahmenBewegung5 <- MassnahmenBewegung5%>%
  mutate(Prozent = (MassnahmenBewegung5$n/sum(MassnahmenBewegung5$n)*100))


MassnahmenBewegung2
MassnahmenBewegung5
#polarisierung!

########Same same für Massnahmen für die Wirtschaft
########Zweite Welle
Wirtschaft2 <- Ostschweiz%>%
  filter(Welle == "2")%>%
  select(massnLockdown)
Wirtschaft2 <- data.frame(Wirtschaft2[!apply(Wirtschaft2 == "", 1, all),])
colnames(Wirtschaft2) <- c("massnLockdown")
MassnahmenWirtschaft2 <- Wirtschaft2%>%
  group_by(massnLockdown)%>%
  tally()
MassnahmenWirtschaft2 <- MassnahmenWirtschaft2%>%
  mutate(Prozent = (MassnahmenWirtschaft2$n/sum(MassnahmenWirtschaft2$n)*100))

########FünfteWelle
OstWirtschaft <- Ostschweiz[!is.na(Ostschweiz$massnLockdown),]
MassnahmenWirtschaft5 <- OstWirtschaft%>%
  filter(Welle == "5")%>%
  group_by(massnLockdown)%>%
  tally()
na.omit(MassnahmenWirtschaft5)
MassnahmenWirtschaft5 <- MassnahmenWirtschaft5%>%
  mutate(Prozent = (MassnahmenWirtschaft5$n/sum(MassnahmenWirtschaft5$n)*100))


MassnahmenWirtschaft2
MassnahmenWirtschaft5
########wiederum Polarisierung

#######Wie stehts um die Zukunft?
Optpes2data <- Ostschweiz%>%
  filter(Welle == "2")%>%
  select(optpes)

Optpes2data <- data.frame(Optpes2data[!apply(Optpes2data == "", 1, all),])
colnames(Optpes2data) <- c("optpes")

optpes2 <- Optpes2data%>%
  group_by(optpes)%>%
  tally()

optpes2 <- optpes2%>%
  mutate(Prozent = (optpes2$n/sum(optpes2$n)*100))


Optpes5data <- Ostschweiz%>%
  filter(Welle == "5")%>%
  select(optpes)

Optpes5data <- data.frame(Optpes5data[!apply(Optpes5data == "", 1, all),])
colnames(Optpes5data) <- c("optpes")

optpes5 <- Optpes5data%>%
  group_by(optpes)%>%
  tally()

optpes5 <- optpes5%>%
  mutate(Prozent = (optpes5$n/sum(optpes5$n)*100))


optpes2
optpes5



########### Wer hat Vertrauen Verloren? ###########

######## Ostschweiz in in Altersgruppen unterteilen:

#18 bis 30 = 1
#30 bis 40 = 2
#40 bis 50 = 3
#50 bis 60 = 4
#60 bis 70 = 5
# über 70  = 6


OstschweizAlter <- Ostschweiz%>%
  select(age, vertrauen, Welle)
OstschweizAlter <- na.omit(OstschweizAlter)
OstschweizAlter <- data.frame(OstschweizAlter[!apply(OstschweizAlter == "", 1, all),])

OstschweizAlter[OstschweizAlter=="1: Sehr klein"] <-1
OstschweizAlter[OstschweizAlter=="5: Sehr gross"] <-5

#######Altergruppen hinzufügen
#für 2 welle
OstschweizAlterVertrauen2 <- OstschweizAlter%>%
  mutate(altersgruppen = case_when(age >= 18 & age < 30 ~ "18 bis 30", age >= 30 & age < 40 ~ "30 bis 40",
                                   age >= 40 & age < 50 ~ "40 bis 50", age >= 50 & age < 60 ~ "50 bis 60",
                                   age >= 60 & age < 70 ~ "60 bis 70", age > 70 ~ "über 70"))%>%
  filter(Welle == "2")%>%
  select(altersgruppen, vertrauen)%>%
  group_by(altersgruppen, vertrauen)%>%
  tally()



####### Prozente berechnen
OstschweizAlterVertrauen2 <- OstschweizAlterVertrauen2[-c(11, 17, 23, 29, 35:39),]
OstschweizAlterVertrauen2 <- OstschweizAlterVertrauen2%>%
  group_by(altersgruppen)%>%
  mutate(Prozent2 = n/sum(n)*100)

########für 5 Welle
OstschweizAlterVertrauen5 <- OstschweizAlter%>%
  mutate(altersgruppen = case_when(age >= 18 & age < 30 ~ "18 bis 30", age >= 30 & age < 40 ~ "30 bis 40",
                                   age >= 40 & age < 50 ~ "40 bis 50", age >= 50 & age < 60 ~ "50 bis 60",
                                   age >= 60 & age < 70 ~ "60 bis 70", age > 70 ~ "über 70"))%>%
  filter(Welle == "5")%>%
  select(altersgruppen, vertrauen)%>%
  group_by(altersgruppen, vertrauen)%>%
  tally()

OstschweizAlterVertrauen5 <- OstschweizAlterVertrauen5[-c(1, 22, 33:37),]
OstschweizAlterVertrauen5<- OstschweizAlterVertrauen5%>%
group_by(altersgruppen)%>%
  mutate(Prozent5 = n/sum(n)*100)

#######Plot vorbereiten
AlterOstgesamt <- cbind(OstschweizAlterVertrauen2, OstschweizAlterVertrauen5$Prozent5)
save(AlterOstgesamt, file ="AlterOstgesamt")


#######Ploten zweite Welle
plotOstvertrauenAlter2 <- AlterOstgesamt
Vertrauenalter1 <- ggplot(OstschweizAlterVertrauen2,aes(fill=AlterOstgesamt$vertrauen, 
                                       y=AlterOstgesamt$Prozent2, 
                                       x=reorder(AlterOstgesamt$altersgruppen, desc(AlterOstgesamt$altersgruppen)))) + 
  geom_bar(position="fill", stat="identity")+
  theme_classic()+
  labs(subtitle = "April",
       x = "Altersgruppen", y = "") +
    scale_y_continuous(labels = scales::percent_format(accuracy = 1))+
  scale_fill_brewer(palette = "Set4")+
    coord_flip()+
  labs(fill = "Vertrauen 1 bis 5\n(1: sehr klein, 5: sehr gross)")



######Ploten fünfte Welle
plotOstvertrauenAlter5 <- AlterOstgesamt
  Vertrauenalter2 <- ggplot(OstschweizAlterVertrauen2,aes(fill=AlterOstgesamt$vertrauen, 
                                       y=AlterOstgesamt$...5, 
                                       x=reorder(AlterOstgesamt$altersgruppen, desc(AlterOstgesamt$altersgruppen)))) +
    geom_bar(position="fill", stat="identity") +
    theme_classic()+
    labs(subtitle = "Oktober",
         x = "", y = "") +
    scale_fill_brewer(palette = "Set4")+ 
    scale_y_continuous(labels = scales::percent_format(accuracy = 1))+
    coord_flip()+
    labs(fill = "Vertrauen 1 bis 5\n(1: sehr klein, 5: sehr gross)")
 
 Grafikaltersgruppen <- ggarrange(Vertrauenalter1, Vertrauenalter2, nrow=1, 
           common.legend = TRUE, legend="bottom")
 Grafikaltersgruppen1 <- annotate_figure(Grafikaltersgruppen,
                top = text_grob("Die Bevölkerung verliert das Vertrauen in den Bundesrat", size = 12, face = "bold", just = 1),
                 bottom = text_grob("Die Frage im Monitoring lautete: Wie gross ist Ihr Vertrauen in die politische Führung der Schweiz in Bezug auf die Bewältigung der Corona-Krise?", color = "black",
                                     size = 7.5))
 
 
 
 ggsave(Grafikaltersgruppen1, file = "test1.PNG", width = 9, height = 7)
 
 ##########Dieser Plot (Grafikaltersgruppen1) wurde für den Blogbeitrag verwendet

##############Spezifische Zahlen für Blogbeitrag#####################

############### Vergleich Kommunikation Ost vs. Westschweiz für Antworten U
 ################# ############################

 OstschweizKommunikation2Welle <- Ostschweiz%>%
   mutate(kommunikation = as.numeric(stringr::str_extract(kommunikation, "[0-9]+")))%>%
   filter(Welle == "2")%>%
   select(Welle, kommunikation, kanton)%>%
   group_by(kanton)%>%
   mutate(kommunikation = weighted.mean(kommunikation, na.rm=T, weight = weight))%>%
   distinct(kommunikation)
 
 ########Ostschweiz Kommunikation der Behörden 5. Welle
 OstschweizKommunikation5Welle <- Ostschweiz%>%
   mutate(kommunikation = as.numeric(stringr::str_extract(kommunikation, "[0-9]+")))%>%
   filter(Welle == "5")%>%
   select(Welle, kommunikation, kanton)%>%
   group_by(kanton)%>%
   mutate(kommunikation = weighted.mean(kommunikation, na.rm=T, weight = weight))%>%
   distinct(kommunikation)
 
 
 ###########Für die Westschweiz
 
 Westschweiz <- data%>%
   filter(kanton %in% c("Genf", "Wallis", "Freiburg","Waadt", "Neuenburg", "Jura"))
 
WestschweizKommunikation2Welle <- Westschweiz%>%
   mutate(kommunikation = as.numeric(stringr::str_extract(kommunikation, "[0-9]+")))%>%
   filter(Welle == "2")%>%
   select(Welle, kommunikation, kanton)%>%
   group_by(kanton)%>%
   mutate(kommunikation = weighted.mean(kommunikation, na.rm=T, weight = weight))%>%
   distinct(kommunikation)
 
 ########Ostschweiz Kommunikation der Behörden 5. Welle
WestschweizKommunikation5Welle <- Westschweiz%>%
   mutate(kommunikation = as.numeric(stringr::str_extract(kommunikation, "[0-9]+")))%>%
   filter(Welle == "5")%>%
   select(Welle, kommunikation, kanton)%>%
   group_by(kanton)%>%
   mutate(kommunikation = weighted.mean(kommunikation, na.rm=T, weight = weight))%>%
   distinct(kommunikation)

OstDiffKom <- round(OstschweizKommunikation2Welle$kommunikation - 
  OstschweizKommunikation5Welle$kommunikation,1)

WestDiffKom <- round(mean(WestschweizKommunikation2Welle$kommunikation) -
  mean(WestschweizKommunikation5Welle$kommunikation),1)

############### anzahl n in ostschweiz für methodenbox##############
Ostschweizanzahl <- Ostschweiz%>%
  filter(Welle == "2")

Ostschweizanzahl2 <- Ostschweiz%>%
  filter(Welle == "5")