1. Nauka
    2. /
  2. Kursy
    3. /
  3. Experimentell design i R
Connected

Ćwiczenie

Datarensning av NHANES

Under datarensningen upptäckte vi att ingen under 16 år fick behandlingen. Vi låtsas att variabeln som anger om en läkare någon gång har rådit patienten att minska sitt intag av fett eller kalorier representerar målinriktad kostcoaching – vår behandling. Vi behåller därför bara patienter som är äldre än 16 år i datamängden.

Du kanske också märkte att standardinställningarna i ggplot2 tar bort observationer där den beroende variabeln saknas – i det här fallet kroppsvikt. Ett sätt att hantera saknade viktvärden är imputering, som kan implementeras med paketet simputation. Imputering är en teknik för att hantera saknade värden: du ersätter dem antingen med ett sammanfattningsmått, som medelvärde eller median, eller använder en modell för att förutsäga ett ersättningsvärde.

Vi använder impute_median(), som tar en datamängd och antingen variabeln som ska imputeras eller en formel som argument. Till exempel fyller impute_median(ToothGrowth, len ~ dose) i saknade värden i variabeln len med medianvärdet för len per dose. Om ett marsvin som fick dosen 2,0 saknade ett värde för len, fylls det i med medianen av len för de marsvin som hade en dose på 2,0.

Instrukcje

100 XP
  • Skapa nhanes_filter genom att använda filter() för att behålla alla individer som är strikt äldre än 16 år i datamängden. Åldern finns lagrad i variabeln ridageyr.
  • Ladda simputation. Använd impute_median() för att fylla i saknade värden i bmxwt i nhanes_filter, grupperat efter riagendr.
  • Koda om variabeln nhanes_final$mcq365d genom att ersätta alla observationer med värdet 9 med 2. Kontrollera att omkodningen fungerade med count().