Obliczanie grupowych marginesów błędu
Jednym ze sposobów na zmniejszenie marginesów błędu w analizie ACS jest łączenie estymatorów tam, gdzie jest to uzasadnione. Można to osiągnąć za pomocą narzędzi tidyverse do grupowej analizy danych. W tym ćwiczeniu połączysz estymatory dotyczące ubóstwa wśród starszych mężczyzn i kobiet w stanie Vermont, a następnie użyjesz funkcji moe_sum() jako części tej grupowej analizy. Choć takie podejście wiąże się z utratą pewnych szczegółów, uzyskane estymatory będą bardziej wiarygodne w stosunku do swoich marginesów błędu niż przed ich połączeniem.
To ćwiczenie jest częścią kursu
Analiza danych ze spisu powszechnego USA w R
Instrukcje do ćwiczenia
- Pogrupuj zbiór danych
vt_eldpovwedług kolumny GEOID. - W wywołaniu funkcji
summarize()użyj funkcjimoe_sum(), aby obliczyć pochodny margines błędu. - Sprawdź, jaki odsetek wierszy ma marginesy błędu przekraczające wartości ich estymatorów.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)