1. Nauka
    2. /
  2. Kursy
    3. /
  3. Projektowanie eksperymentów w R
Connected

ćwiczenie

Czyszczenie danych NHANES

Podczas czyszczenia danych odkryliśmy, że żadna osoba poniżej 16. roku życia nie otrzymała leczenia. Przypomnij sobie, że potraktowaliśmy zmienną wskazującą, czy lekarz kiedykolwiek zalecił pacjentowi ograniczenie tłuszczu lub kalorii w diecie, jako celowe doradztwo żywieniowe – czyli nasze leczenie. Zachowaj w zbiorze danych tylko pacjentów, którzy mają więcej niż 16 lat.

Możliwe, że zauważyłeś(-aś) też, że domyślne ustawienia ggplot2 pomijają obserwacje z brakującą zmienną zależną – w tym przypadku masą ciała. Jednym ze sposobów radzenia sobie z brakującymi wartościami jest imputacja, którą można zaimplementować za pomocą pakietu simputation. Imputacja polega na zastępowaniu brakujących wartości statystyką podsumowującą (np. średnią lub medianą) albo przewidywaną wartością z modelu.

Skorzystamy z funkcji impute_median(), która przyjmuje zbiór danych oraz zmienną do imputacji lub formułę imputacji jako argumenty. Na przykład impute_median(ToothGrowth, len ~ dose) uzupełni brakujące wartości zmiennej len medianą len dla poszczególnych wartości dose. Jeśli więc świnka morska, która otrzymała dawkę 2,0, miała brakującą wartość zmiennej len, zostanie ona uzupełniona medianą len dla świnek z dawką 2,0.

Instrukcje

100 XP
  • Utwórz nhanes_filter, używając filter(), aby zachować w zbiorze danych tylko osoby powyżej 16. roku życia (bez osób, które mają dokładnie 16 lat). Wiek jest przechowywany w zmiennej ridageyr.
  • Wczytaj simputation. Użyj impute_median(), aby uzupełnić brakujące obserwacje bmxwt w nhanes_filter, grupując według riagendr.
  • Przekoduj zmienną nhanes_final$mcq365d, ustawiając wszystkie obserwacje o wartości 9 na 2. Zweryfikuj poprawność przekodowania za pomocą count().