Undersökningsvikter

Nu ska vi titta på data från Consumer Expenditure Survey och bekanta oss med undersökningsvikterna. Använd funktionen glimpse() från paketet dplyr för att undersöka datamängden ce och titta närmare på viktkolumnen FINLWT21. ce och dplyr är förinstallerade.

Tolka innebörden av undersökningsvikten för den tredje observationen.

Den här övningen är en del av kursen

Analysera enkätdata i R

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Analysera enkätdata i R

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

Vår genomgång av enkätdata börjar med enkätvikter. I det här kapitlet lär du dig vad enkätvikter är och varför de spelar en så viktig roll i enkätdataanalys. En annan särskild egenskap hos enkätdata är hur de samlades in – via klustring och stratifiering. Vi övar på att specificera och utforska dessa samplingsegenskaper för flera enkätdatamängder.

Exercise 1: Vad är undersökningsvikter?Exercise 2: Undersökningsvikter

Aktuell övning

Exercise 3: Visualisera vikterna Exercise 4: Specificera designelement i R Exercise 5: Design i R Exercise 6: Stratifierade design i R Exercise 7: Klusterdesigner i R Exercise 8: Jämföra undersökningsvikter för olika designer Exercise 9: Visualisera effekten av undersökningsvikter Exercise 10: NHANES-vikter Exercise 11: Sammanfattning av allt!

Nu när vi har koll på enkätvikter övar vi i det här kapitlet på att integrera dem i analysen av kategoridata. Vi genomför deskriptiv inferens genom att beräkna sammanfattande statistik, bygga sammanfattningstabeller och skapa stapeldiagram. För analytisk inferens lär vi oss att utföra chi-kvadrattester.

Exercise 1: Visualisera en kategorisk variabel Exercise 2: Sammanfatta en kategorisk variabel Exercise 3: Tolka frekvenstabell Exercise 4: Visualisera en kategorisk variabel Exercise 5: Utforska två kategoriska variabler Exercise 6: Skapa korstabeller Exercise 7: Bygga segmenterade stapeldiagram Exercise 8: Sammanfatta med svytotal()Exercise 9: Tolka svymean()Exercise 10: Inferens för kategoriska variabler Exercise 11: Köra ett chi-kvadrattest Exercise 12: Sätt ihop allt!

All enkätdata är förstås inte kategorisk, och i det här kapitlet utforskar vi analys av kvantitativa enkätdata. Vi lär oss att beräkna enkätviktad statistik, till exempel medelvärde och kvantiler. För datavisualisering konstruerar vi stapeldiagram, histogram och täthetskurvor. Vi avslutar kapitlet med att genomföra analytisk inferens med enkätviktade t-test.

Exercise 1: Sammanfatta kvantitativa data Exercise 2: Undersökningsstatistik Exercise 3: Beräkna kvantiler Exercise 4: Visualisering av kvantitativa data Exercise 5: Stapeldiagram med undersökningsviktade medelvärden Exercise 6: Utdata från svyby()Exercise 7: Stapeldiagram med felstaplar Exercise 8: Viktade histogram Exercise 9: Viktade täthetskurvor Exercise 10: Inferens för kvantitativa data Exercise 11: Undersökningsviktat t-test Exercise 12: Allt hänger ihop!

Att modellera enkätdata kräver också noggrann hänsyn till hur data samlades in. Vi inleder modelleringskapitlet med att lära oss hur man integrerar enkätvikter i spridningsdiagram via estetiska egenskaper som storlek, färg och transparens. Vi modellerar enkätdata med linjär regression och utforskar hur man inkluderar kategoriska prediktorer och polynomtermer i modellerna.

Exercise 1: Visualisering med spridningsdiagram Exercise 2: Bubbeldiagram Exercise 3: Viktade punktdiagram Exercise 4: Användning av färg i spridningsdiagram Exercise 5: Visualisera trender Exercise 6: Bästa anpassningslinje Exercise 7: Trendlinjer Exercise 8: Modellera undersökningsdata Exercise 9: Regressionsmodell Exercise 10: Inferens för regression Exercise 11: Mer komplex modellering Exercise 12: Multipel linjär regression Exercise 13: Allt ihop Exercise 14: Sammanfattning