Bublinové grafy

Pojďme prozkoumat vztah mezi Height (výškou) a Weight (hmotností) Američanů. Zaměříme se na 20leté respondenty, abychom minimalizovali efekt překrývání bodů. Porovnáme, jak vypadá standardní bodový graf oproti bublinovému grafu.

Toto cvičení je součástí kurzu

Analýza dat z dotazníků v R

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create dataset with only 20 year olds
NHANES20 <- ___(___,
                ___ == 20)

Upravit a spustit kód

Toto cvičení je součástí kurzu

Analýza dat z dotazníků v R

SkillTag.level.intermediateSkillTag.label

4.8+

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?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

Aktuální cvičení

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