Calcul de marges d'erreur par groupe
Une façon de réduire les marges d'erreur dans une analyse de l'ACS consiste à combiner des estimations lorsque c'est pertinent. Vous pouvez le faire avec les outils d'analyse par groupe du tidyverse. Dans cet exercice, vous combinerez les estimations de la pauvreté chez les personnes âgées, hommes et femmes, au Vermont, et vous utiliserez la fonction moe_sum() dans le cadre de cette analyse par groupe. Même si vous perdez un peu de détail avec cette approche, vos estimations seront plus fiables par rapport à leurs marges d'erreur qu'avant de les regrouper.
Cette activité fait partie du cours
Analyser les données du recensement des États-Unis avec R
Instructions de l’exercice
- Regroupez l'ensemble
vt_eldpovselon la colonne GEOID. - Dans l'appel à
summarize(), utilisez la fonctionmoe_sum()pour calculer une marge d'erreur dérivée. - Vérifiez la proportion de lignes dont la marge d'erreur dépasse leur estimation.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)