Consumer Expenditure Survey（消費支出調査）のデータを見て、調査の重みに慣れましょう。dplyr パッケージの glimpse() 関数を使って ce データセットを確認し、重みの列 FINLWT21 を見てください。ce と dplyr はあらかじめ読み込まれています。
dplyr
glimpse()
ce
FINLWT21
3番目の観測値の調査重みの意味を解釈してください。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
アンケートデータの学習は、まずサーベイウェイトから始めます。この章では、サーベイウェイトとは何か、そしてアンケートデータ分析でなぜ重要なのかを学びます。アンケートデータのもう一つの特徴は、クラスタリングや層化といった方法で収集されている点です。複数のアンケートデータセットについて、これらのサンプリング設計を指定し、確認する練習をします。
現在の演習
サーベイウェイトの扱いに慣れてきたところで、この章ではそれらのウェイトをカテゴリカルデータの分析に取り入れる練習をします。要約統計量の計算、サマリーテーブルの作成、棒グラフの作成による記述的推測を行います。分析的推測としては、カイ二乗検定の実行方法を学びます。
アンケートデータがすべてカテゴリカルとは限りません。この章では、量的なアンケートデータの分析を学びます。平均や分位点といったサーベイ加重の統計量を計算します。可視化では、棒グラフ、ヒストグラム、密度プロットを作成します。章の最後には、サーベイ加重t検定による分析的推測を行います。
アンケートデータをモデリングする際も、データの収集方法を丁寧に考慮する必要があります。まず、サイズ・色・透明度といった美的属性にサーベイウェイトを反映させ、散布図で可視化する方法を学びます。続いて、線形回帰でアンケートデータをモデル化し、カテゴリカルな説明変数や多項式項をモデルに組み込む方法を探ります。
