ผลลัพธ์ของ svyby()

ทั้ง out และ NHANESraw มีคอลัมน์ชื่อ SleepHrsNight และ Gender เหมือนกัน ให้พิมพ์ out และรัน select(NHANESraw, SleepHrsNight, Gender)

ข้อใดต่อไปนี้ ไม่ถูกต้อง?

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลแบบสอบถามใน R

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง

เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา

เริ่มแบบฝึกหัด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลแบบสอบถามใน R

SkillTag.level.intermediateSkillTag.label

4.8+

เริ่มคอร์สฟรี

เราจะเริ่มต้นสำรวจข้อมูลแบบสอบถามด้วยเรื่องของน้ำหนักแบบสอบถาม (survey weights) ในบทนี้จะได้เรียนรู้ว่า survey weights คืออะไร และเหตุใดจึงมีความสำคัญในการวิเคราะห์ข้อมูลแบบสอบถาม นอกจากนี้ยังจะได้ทำความรู้จักกับลักษณะเฉพาะของการเก็บข้อมูลผ่านการสุ่มแบบกลุ่มและการแบ่งชั้น พร้อมฝึกระบุและสำรวจคุณลักษณะการสุ่มตัวอย่างเหล่านี้จากชุดข้อมูลแบบสอบถามหลายชุด

Exercise 1: Survey Weights คืออะไร?Exercise 2: น้ำหนักการสำรวจ Exercise 3: การแสดงผลน้ำหนักการสำรวจ Exercise 4: การระบุองค์ประกอบของการออกแบบการสำรวจใน R Exercise 5: การออกแบบการสำรวจใน R Exercise 6: การออกแบบแบบแบ่งชั้นใน R Exercise 7: การออกแบบแบบสุ่มตัวอย่างแบบกลุ่มใน R Exercise 8: เปรียบเทียบน้ำหนักสำรวจของการออกแบบที่แตกต่างกัน Exercise 9: การแสดงผลผลกระทบของน้ำหนักการสำรวจ Exercise 10: น้ำหนักการสำรวจ NHANES Exercise 11: รวบรวมทุกอย่างเข้าด้วยกัน!

เมื่อเข้าใจ survey weights แล้ว ในบทนี้จะฝึกนำน้ำหนักเหล่านั้นมาใช้ในการวิเคราะห์ข้อมูลเชิงกลุ่ม ทั้งการอนุมานเชิงพรรณนาด้วยการคำนวณสถิติสรุป การสร้างตารางสรุป และการสร้างกราฟแท่ง สำหรับการอนุมานเชิงวิเคราะห์จะได้เรียนรู้การทดสอบไคสแควร์

Exercise 1: การแสดงภาพตัวแปรเชิงหมวดหมู่Exercise 2: สรุปข้อมูลตัวแปรเชิงหมวดหมู่Exercise 3: การตีความตารางความถี่Exercise 4: การสร้างกราฟสำหรับตัวแปรจัดประเภท Exercise 5: การสำรวจตัวแปรเชิงกลุ่มสองตัว Exercise 6: การสร้างตารางแจกแจงความถี่แบบไขว้Exercise 7: การสร้างกราฟแท่งแบบแบ่งส่วน Exercise 8: การสรุปข้อมูลด้วย svytotal()Exercise 9: การตีความผลลัพธ์ของ svymean()Exercise 10: การอนุมานสำหรับตัวแปรจัดกลุ่ม Exercise 11: การรัน Chi-squared Test Exercise 12: รวมทุกอย่างเข้าด้วยกัน!

ข้อมูลแบบสอบถามไม่ได้เป็นข้อมูลเชิงกลุ่มทั้งหมด ในบทนี้จึงจะสำรวจการวิเคราะห์ข้อมูลแบบสอบถามเชิงปริมาณ จะได้เรียนรู้การคำนวณสถิติที่ถ่วงน้ำหนักด้วย survey weights เช่น ค่าเฉลี่ยและควอนไทล์ รวมถึงการสร้างกราฟแท่ง ฮิสโตแกรม และกราฟความหนาแน่น และจะปิดท้ายบทด้วยการอนุมานเชิงวิเคราะห์โดยใช้ t-test แบบถ่วงน้ำหนัก

Exercise 1: การสรุปข้อมูลเชิงปริมาณ Exercise 2: สถิติการสำรวจ Exercise 3: การประมาณค่าควอนไทล์Exercise 4: การสร้างภาพข้อมูลเชิงปริมาณ Exercise 5: Bar plot ของค่าเฉลี่ยแบบถ่วงน้ำหนักด้วยการสำรวจ Exercise 6: ผลลัพธ์ของ svyby()

แบบฝึกหัดปัจจุบัน

Exercise 7: แผนภูมิแท่งพร้อม Error Bar Exercise 8: ฮิสโตแกรมแบบถ่วงน้ำหนักด้วยการสำรวจ Exercise 9: กราฟความหนาแน่นแบบถ่วงน้ำหนักด้วยการสำรวจ Exercise 10: การอนุมานสำหรับข้อมูลเชิงปริมาณ Exercise 11: การทดสอบ t แบบถ่วงน้ำหนักด้วยการสำรวจ Exercise 12: รวมทุกอย่างเข้าด้วยกัน!

การสร้างโมเดลจากข้อมูลแบบสอบถามจำเป็นต้องคำนึงถึงวิธีการเก็บข้อมูลด้วยเช่นกัน บทนี้จะเริ่มต้นด้วยการนำ survey weights มาใช้ในการสร้าง scatter plot ผ่าน aesthetics ต่าง ๆ เช่น ขนาด สี และความโปร่งใส จากนั้นจะสร้างโมเดลข้อมูลด้วย linear regression พร้อมสำรวจการนำตัวทำนายเชิงกลุ่มและพจน์พหุนามมาใช้ในโมเดล

Exercise 1: การแสดงผลด้วย Scatter Plot Exercise 2: Bubble plots Exercise 3: Scatter plot แบบถ่วงน้ำหนักตามการสำรวจ Exercise 4: การใช้สีในกราฟกระจาย Exercise 5: การแสดงแนวโน้มของข้อมูล Exercise 6: เส้นที่เหมาะสมที่สุด Exercise 7: เส้นแนวโน้ม Exercise 8: การสร้างโมเดลจากข้อมูลแบบสอบถาม Exercise 9: โมเดลการถดถอย Exercise 10: การอนุมานด้วยการถดถอย Exercise 11: การสร้างโมเดลที่ซับซ้อนยิ่งขึ้น Exercise 12: การถดถอยเชิงเส้นพหุคูณ Exercise 13: รวมทุกอย่างเข้าด้วยกัน Exercise 14: สรุปท้ายบท