Beräkna felmarginaler per grupp

Ett sätt att minska felmarginalerna i en ACS-analys är att kombinera skattningar när det är lämpligt. Det kan göras med tidyverse-verktyg för gruppvis dataanalys. I den här övningen kombinerar du skattningar för manlig och kvinnlig äldrefattigdom i Vermont och använder funktionen moe_sum() som en del av den gruppvisa analysen. Du förlorar viss detaljrikedom med det här tillvägagångssättet, men skattningarna blir mer tillförlitliga i förhållande till sina felmarginaler än innan du kombinerade dem.

Den här övningen är en del av kursen

Analysera folkräkningsdata från USA i R

Visa kurs

Övningsinstruktioner

Gruppera datamängden vt_eldpov efter kolumnen GEOID.
Använd funktionen moe_sum() i anropet till summarize() för att beräkna en härledd felmarginal.
Kontrollera andelen rader där felmarginalerna överstiger sina skattningar.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod