Elementen van het ontwerp specificeren in R

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.

Deze oefening maakt deel uit van de cursus

Enquêtedata analyseren in R

SkillTag.level.intermediateSkillTag.label

4.8+

212 reviews

Begin gratis met de cursus

We beginnen onze verkenning van enquêtedata met enquêtegewichten. In dit hoofdstuk leer je wat enquêtegewichten zijn en waarom ze zo belangrijk zijn bij het analyseren van enquêtedata. Een ander uniek kenmerk van enquêtedata is de manier waarop ze zijn verzameld via clusteren en stratificatie. We oefenen met het specificeren en verkennen van deze steekproeftrekken voor meerdere enquêtedatasets.

Exercise 1: Wat zijn steekproefgewichten?Exercise 2: Surveygewichten Exercise 3: De gewichten visualiseren Exercise 4: Elementen van het ontwerp specificeren in R

Huidige oefening

Exercise 5: Designs in R Exercise 6: Gestratificeerde designs in R Exercise 7: Clusterontwerpen in R Exercise 8: Surveygewichten van verschillende designs vergelijken Exercise 9: De impact van surveygewichten visualiseren Exercise 10: NHANES-gewichten Exercise 11: Alles samenbrengen!

Nu we enquêtegewichten onder de knie hebben, gaan we in dit hoofdstuk oefenen met het meenemen van die gewichten in onze analyse van categorische gegevens. We doen beschrijvende inferenties door samenvattende statistieken te berekenen, samenvattingstabellen te maken en staafdiagrammen te construeren. Voor analytische inferentie leren we chi-kwadraattoetsen uit te voeren.

Exercise 1: Een categorische variabele visualiseren Exercise 2: Een categorische variabele samenvatten Exercise 3: Frequentietabellen interpreteren Exercise 4: Een categorische variabele visualiseren Exercise 5: Twee categorische variabelen verkennen Exercise 6: Contingentietabellen maken Exercise 7: Gesegmenteerde staafdiagrammen maken Exercise 8: Samenvatten met svytotal()Exercise 9: Uitleggen van svymean()Exercise 10: Inferentie voor categorische variabelen Exercise 11: Een chi-kwadraattoets uitvoeren Exercise 12: Alles samenbrengen!

Natuurlijk zijn niet alle enquêtedata categorisch, dus in dit hoofdstuk verkennen we de analyse van kwantitatieve enquêtedata. We leren enquêtegewogen statistieken te berekenen, zoals het gemiddelde en percentielen. Voor datavisualisatie maken we staafdiagrammen, histogrammen en dichtheidsdiagrammen. We ronden het hoofdstuk af met analytische inferentie via enquêtegewogen t-toetsen.

Exercise 1: Kwantitatieve gegevens samenvatten Exercise 2: Enquête-statistieken Exercise 3: Kwantiëlen schatten Exercise 4: Kwantitatieve gegevens visualiseren Exercise 5: Staafdiagrammen van enquête-gewogen gemiddelden Exercise 6: Uitvoer van svyby()Exercise 7: Staafdiagrammen met foutmarges Exercise 8: Histogrammen met enquêtegewichten Exercise 9: Steekproefgewogen dichtheidsplots Exercise 10: Inferentie voor kwantitatieve data Exercise 11: Enquête-gewogen t-toets Exercise 12: Alles bij elkaar brengen!

Ook bij het modelleren van enquêtedata moet je goed letten op hoe de data zijn verzameld. We starten dit hoofdstuk over modelleren met hoe je enquêtegewichten opneemt in spreidingsdiagrammen via esthetiek zoals grootte, kleur en transparantie. We modelleren de enquêtedata met lineaire regressie en verkennen hoe je categorische voorspellers en polynomiale termen in je modellen opneemt.

Exercise 1: Visualiseren met spreidingsdiagrammen Exercise 2: Bubbelplots Exercise 3: Spreidingsdiagrammen met enquêtegewichten Exercise 4: Gebruik van kleur in spreidingsdiagrammen Exercise 5: Trends visualiseren Exercise 6: Best passende lijn Exercise 7: Trendlijnen Exercise 8: Surveygegevens modelleren Exercise 9: Regressiemodel Exercise 10: Regressie-inferentie Exercise 11: Complexer modelleren Exercise 12: Meervoudige lineaire regressie Exercise 13: Alles bij elkaar brengen Exercise 14: Afronding