Co jsou váhy výběrového šetření?

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Toto cvičení je součástí kurzu

Analýza dat z dotazníků v R

SkillTag.level.intermediateSkillTag.label

4.8+

219 reviews

Začněte kurz zdarma

Prozkoumání dat z dotazníků začneme váhami dotazníků. V této kapitole se dozvíš, co jsou váhy dotazníků a proč jsou při analýze dat tak důležité. Dalším specifickým rysem dat z dotazníků je způsob jejich sběru – prostřednictvím klastrování a stratifikace. Procvičíme si zadání a prozkoumání těchto charakteristik výběrového šetření na několika datových sadách.

Exercise 1: Co jsou váhy výběrového šetření?

Aktuální cvičení

Exercise 2: Váhy v průzkumech Exercise 3: Vizualizace vah Exercise 4: Specifikace prvků návrhu výzkumu v R Exercise 5: Designy v R Exercise 6: Stratifikované designy v R Exercise 7: Clusterové designy v R Exercise 8: Porovnání vah průzkumu u různých designů Exercise 9: Vizualizace dopadu váhování v průzkumech Exercise 10: Váhy v NHANES Exercise 11: Vše dohromady!

Teď, když už rozumíš váhám dotazníků, procvičíme si jejich zapojení do analýzy kategoriálních dat. Budeme se věnovat deskriptivní inferenci – výpočtu souhrnných statistik, tvorbě souhrnných tabulek a sloupcových grafů. Pro analytickou inferenci se naučíš provádět chí-kvadrát testy.

Exercise 1: Vizualizace kategoriální proměnné Exercise 2: Shrnutí kategorické proměnné Exercise 3: Jak číst frekvenční tabulky Exercise 4: Vizualizace kategorické proměnné Exercise 5: Zkoumání dvou kategorických proměnných Exercise 6: Vytváření kontingenčních tabulek Exercise 7: Tvorba segmentových sloupcových grafů Exercise 8: Sumarizace pomocí svytotal()Exercise 9: Interpretace funkce svymean()Exercise 10: Inference pro kategorické proměnné Exercise 11: Spuštění chí-kvadrát testu Exercise 12: Dáme to dohromady!

Samozřejmě ne všechna data z dotazníků jsou kategoriální, a proto se v této kapitole zaměříme na analýzu kvantitativních dat. Naučíš se počítat statistiky vážené váhami dotazníku, jako je průměr a kvantily. Pro vizualizaci dat budeme vytvářet sloupcové grafy, histogramy a grafy hustoty. Kapitolu zakončíme analytickou inferencí pomocí t-testů s váhami dotazníku.

Exercise 1: Sumarizace kvantitativních dat Exercise 2: Statistiky průzkumu Exercise 3: Odhadování kvantilů Exercise 4: Vizualizace kvantitativních dat Exercise 5: Sloupcové grafy průměrů vážených survey vahami Exercise 6: Výstup funkce svyby()Exercise 7: Sloupcové grafy s chybovými úsečkami Exercise 8: Histogramy se surveyovými vahami Exercise 9: Průzkumový graf hustoty se surveyovými váhami Exercise 10: Statistická inference pro kvantitativní data Exercise 11: T-test s váhováním průzkumu Exercise 12: Vše dohromady!

Modelování dat z dotazníků také vyžaduje pečlivé zohlednění způsobu sběru dat. Modelovací kapitolu zahájíme tím, jak zapracovat váhy dotazníku do bodových grafů pomocí estetických prvků, jako jsou velikost, barva a průhlednost. Data budeme modelovat lineární regresí a prozkoumáme, jak do modelů zahrnout kategoriální prediktory a polynomické členy.

Exercise 1: Vizualizace pomocí bodových grafů Exercise 2: Bublinové grafy Exercise 3: Bodové grafy se surveyovými váhami Exercise 4: Použití barvy v bodových grafech Exercise 5: Vizualizace trendů Exercise 6: Přímka nejlepšího proložení Exercise 7: Trendové linie Exercise 8: Modelování dat z průzkumu Exercise 9: Regresní model Exercise 10: Inferenční statistika v regresi Exercise 11: Složitější modelování Exercise 12: Vícenásobná lineární regrese Exercise 13: Vše dohromady Exercise 14: Shrnutí