Che cosa sono i pesi di campionamento?

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.

Questo esercizio fa parte del corso

Analizzare i dati di sondaggi in R

IntermediárioNível de habilidade

4.8+

219 reviews

Inizia il corso gratuitamente

La nostra esplorazione dei dati di sondaggio inizia dai pesi di sondaggio. In questo capitolo scopriremo cosa sono i pesi e perché sono così importanti nell’analisi dei sondaggi. Un’altra caratteristica peculiare dei dati di sondaggio riguarda le modalità di raccolta tramite clustering e stratificazione. Faremo pratica nel definire ed esplorare queste caratteristiche di campionamento su diversi insiemi di dati di sondaggio.

Exercise 1: Che cosa sono i pesi di campionamento?

Esercizio attuale

Exercise 2: Pesi di indagine Exercise 3: Visualizzare i pesi Exercise 4: Specificare gli elementi del disegno in R Exercise 5: Progetti in R Exercise 6: Disegni stratificati in R Exercise 7: Disegni a cluster in R Exercise 8: Confrontare i pesi di sondaggio di diversi disegni Exercise 9: Visualizzare l'impatto dei pesi del sondaggio Exercise 10: Pesi NHANES Exercise 11: Mettiamo tutto insieme!

Ora che abbiamo compreso i pesi di sondaggio, li integreremo nell’analisi dei dati categorici in questo capitolo. Faremo inferenza descrittiva calcolando statistiche di riepilogo, costruendo tabelle riassuntive e creando grafici a barre. Per l’inferenza analitica, impareremo a eseguire test chi-quadrato.

Exercise 1: Visualizzare una variabile categorica Exercise 2: Riepilogare una variabile categorica Exercise 3: Interpretare le tabelle di frequenza Exercise 4: Rappresentare graficamente una variabile categorica Exercise 5: Esplorare due variabili categoriche Exercise 6: Creare tabelle di contingenza Exercise 7: Creare grafici a barre segmentate Exercise 8: Riepilogare con svytotal()Exercise 9: Interpretare svymean()Exercise 10: Inferenza per variabili categoriche Exercise 11: Eseguire un test chi quadrato Exercise 12: Mettiamo insieme tutto!

Naturalmente, non tutti i dati di sondaggio sono categorici; in questo capitolo esploreremo l’analisi dei dati quantitativi. Impareremo a calcolare statistiche pesate per il sondaggio, come media e quantili. Per la visualizzazione dei dati, creeremo grafici a barre, istogrammi e grafici di densità. Concluderemo il capitolo effettuando inferenza analitica con t-test pesati per il sondaggio.

Exercise 1: Riepilogare i dati quantitativi Exercise 2: Statistiche del sondaggio Exercise 3: Stima dei quantili Exercise 4: Visualizzare dati quantitativi Exercise 5: Grafici a barre delle medie ponderate del sondaggio Exercise 6: Output di svyby()Exercise 7: Bar plot con errore Exercise 8: Istogrammi con pesi di sondaggio Exercise 9: Grafici di densità con pesi di sondaggio Exercise 10: Inferenza per dati quantitativi Exercise 11: t-test con pesi di sondaggio Exercise 12: Mettiamo tutto insieme!

Modellizzare i dati di sondaggio richiede anche un’attenta considerazione di come sono stati raccolti. Inizieremo il capitolo sulla modellizzazione imparando a incorporare i pesi di sondaggio negli scatter plot attraverso estetiche come dimensione, colore e trasparenza. Modellizzeremo i dati di sondaggio con la regressione lineare ed esploreremo come integrare predittori categorici e termini polinomiali nei nostri modelli.

Exercise 1: Visualizzazione con grafici a dispersione Exercise 2: Grafici a bolle Exercise 3: Grafici a dispersione ponderati per il sondaggio Exercise 4: Uso del colore negli scatter plot Exercise 5: Visualizzare le tendenze Exercise 6: Retta di miglior adattamento Exercise 7: Linee di tendenza Exercise 8: Modellare i dati dei sondaggi Exercise 9: Modello di regressione Exercise 10: Inferenza nella regressione Exercise 11: Modellazione più complessa Exercise 12: Regressione lineare multipla Exercise 13: Mettere tutto insieme Exercise 14: Riepilogo