Modelando dados de pesquisa

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.

Este exercicio faz parte do curso

Analisando dados de pesquisa no R

IntermediárioNível de habilidade

4.8+

218 reviews

Comece o curso gratuitamente

Nossa exploração de dados de pesquisa começa pelos pesos amostrais. Neste capítulo, você vai aprender o que são pesos de pesquisa e por que eles são tão importantes na análise. Outra característica marcante desses dados é a forma de coleta, com uso de conglomerados (clustering) e estratificação. Vamos praticar como especificar e explorar esses elementos de amostragem em vários conjuntos de dados de pesquisa.

Exercise 1: O que são pesos de pesquisa?Exercise 2: Pesos de pesquisa Exercise 3: Visualizando os pesos Exercise 4: Especificando elementos do delineamento no R Exercise 5: Desenhos no R Exercise 6: Desenhos estratificados em R Exercise 7: Desenhos em conglomerados no R Exercise 8: Comparando pesos amostrais de diferentes desenhos Exercise 9: Visualizando o impacto dos pesos da pesquisa Exercise 10: Pesos do NHANES Exercise 11: Juntando tudo!

Agora que entendemos os pesos amostrais, vamos praticar como incorporá-los na análise de dados categóricos neste capítulo. Vamos fazer inferência descritiva calculando estatísticas-resumo, construindo tabelas-resumo e criando gráficos de barras. Para inferência analítica, vamos aprender a executar testes do qui-quadrado.

Exercise 1: Visualizando uma variável categórica Exercise 2: Resumindo uma variável categórica Exercise 3: Interpretando tabelas de frequência Exercise 4: Representando graficamente uma variável categórica Exercise 5: Explorando duas variáveis categóricas Exercise 6: Criando tabelas de contingência Exercise 7: Criando gráficos de barras segmentadas Exercise 8: Resumindo com svytotal()Exercise 9: Interpretando svymean()Exercise 10: Inferência para variáveis categóricas Exercise 11: Executando um teste qui-quadrado Exercise 12: Juntando tudo!

Nem todos os dados de pesquisa são categóricos, então, neste capítulo, vamos analisar dados quantitativos. Você vai aprender a calcular estatísticas ponderadas pela amostra, como média e quantis. Para visualização, vamos criar gráficos de barras, histogramas e curvas de densidade. Encerramos o capítulo realizando inferência analítica com testes t ponderados por survey.

Exercise 1: Resumindo dados quantitativos Exercise 2: Estatísticas da pesquisa Exercise 3: Estimando quantis Exercise 4: Visualizando dados quantitativos Exercise 5: Gráficos de barras de médias ponderadas por survey Exercise 6: Saída de svyby()Exercise 7: Gráficos de barras com erro Exercise 8: Histogramas ponderados por survey Exercise 9: Gráficos de densidade com ponderação por survey Exercise 10: Inferência para dados quantitativos Exercise 11: Teste t com ponderação por survey Exercise 12: Juntando tudo!

Modelar dados de pesquisa também exige considerar com cuidado como os dados foram coletados. Vamos começar o capítulo de modelagem aprendendo a incorporar pesos amostrais em gráficos de dispersão por meio de estéticas como tamanho, cor e transparência. Em seguida, vamos modelar os dados com regressão linear e explorar como incluir preditores categóricos e termos polinomiais nos modelos.

Exercise 1: Visualização com gráficos de dispersão Exercise 2: Gráficos de bolhas Exercise 3: Gráficos de dispersão com pesos da pesquisa Exercise 4: Uso de cor em gráficos de dispersão Exercise 5: Visualizando tendências Exercise 6: Linha de melhor ajuste Exercise 7: Linhas de tendência Exercise 8: Modelando dados de pesquisa

Exercicio Atual

Exercise 9: Modelo de regressão Exercise 10: Inferência em regressão Exercise 11: Modelagem mais complexa Exercise 12: Regressão linear múltipla Exercise 13: Juntando tudo Exercise 14: Encerramento