Calcolare i margini di errore per gruppo
Un modo per ridurre i margini di errore in un'analisi ACS è combinare le stime quando appropriato. Questo si può fare usando gli strumenti tidyverse per l'analisi dei dati per gruppo. In questo esercizio, combinerai le stime della povertà tra gli anziani maschi e femmine nel Vermont e userai la funzione moe_sum() come parte di questa analisi per gruppi. Anche se con questo approccio potresti perdere un po' di dettaglio, le stime risulteranno più affidabili rispetto ai loro margini di errore rispetto a prima della combinazione.
Questo esercizio fa parte del corso
Analizzare i dati del Censimento USA in R
Istruzioni dell'esercizio
- Raggruppa il dataset
vt_eldpovper la colonna GEOID. - Nella chiamata a
summarize(), usa la funzionemoe_sum()per calcolare un margine di errore derivato. - Verifica la proporzione di righe con margini di errore che superano le rispettive stime.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)