Marges van fout inspecteren
ACS-gegevens verschillen van de tienjaarlijkse Census-gegevens doordat ze schattingen zijn met een bijbehorende marge van fout. Standaard staan ACS-marges van fout voor een betrouwbaarheidsniveau van 90 procent rond een schatting. Dat betekent dat we er voor 90 procent zeker van zijn dat de werkelijke waarde binnen het bereik van de gerapporteerde schatting plus of min de gerapporteerde marge van fout valt.
In deze oefening ga je aan de slag met gegevens die een hoge marge van fout hebben ten opzichte van hun schattingen. We gebruiken het voorbeeld van armoede voor de bevolking van 75 jaar en ouder voor Census tracts in Vermont.
Deze oefening maakt deel uit van de cursus
US Census-gegevens analyseren in R
Oefeninstructies
- Haal een gegevensset op over armoede onder ouderen per Census tract in Vermont uit de ACS.
- Filter het data frame om een nieuw data frame te maken met alleen die rijen waarvan de marge van fout groter is dan de schatting.
- Deel het aantal rijen in
moe_checkdoor het aantal rijen in de oorspronkelijke gegevensset om te zien welk deel van de rijen een grotere marge van fout heeft dan hun schatting.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Get data on elderly poverty by Census tract in Vermont
vt_eldpov <- ___(___ = "tract",
variables = c(eldpovm = "B17001_016",
eldpovf = "B17001_030"),
state = "VT")
vt_eldpov
# Identify rows with greater margins of error than their estimates
moe_check <- ___(vt_eldpov, moe > ___)
# Check proportion of rows where the margin of error exceeds the estimate
___(moe_check) / nrow(vt_eldpov)