Cálculo de márgenes de error por grupo

Una forma de reducir los márgenes de error en un análisis del ACS es combinar estimaciones cuando sea apropiado. Esto se puede lograr usando las herramientas de análisis por grupos del tidyverse. En este ejercicio, vas a combinar las estimaciones de pobreza en personas mayores, hombres y mujeres, en Vermont, y usarás la función moe_sum() como parte de este análisis por grupos. Aunque con este enfoque puedes perder algo de detalle, tus estimaciones serán más fiables en relación con sus márgenes de error que antes de combinarlas.

Este ejercicio forma parte del curso

Análisis de datos del censo de EE. UU. en R

Ver curso

Instrucciones del ejercicio

Agrupa el conjunto de datos vt_eldpov por la columna GEOID.
En la llamada a summarize(), usa la función moe_sum() para calcular un margen de error derivado.
Comprueba la proporción de filas con márgenes de error que superan sus estimaciones.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Group the dataset and calculate a derived margin of error
vt_eldpov2 <- vt_eldpov %>%
  ___(___) %>%
  summarize(
    estmf = sum(estimate), 
    moemf = ___(___ = moe, estimate = estimate)
  )

# Filter rows where newly-derived margin of error exceeds newly-derived estimate
moe_check2 <- filter(vt_eldpov2, ___ > estmf)

# Check proportion of rows where margin of error exceeds estimate
nrow(moe_check2) / ___(vt_eldpov2)

Editar y ejecutar código