การ Nest ข้อมูลตาม Topic และ Country

ในบทที่แล้ว คุณสร้างโมเดลเชิงเส้นให้กับแต่ละประเทศ โดย nest ข้อมูลในแต่ละประเทศ ฟิตโมเดลกับแต่ละชุดข้อมูล จากนั้น tidy โมเดลด้วย broom และ unnest ค่าสัมประสิทธิ์ออกมา โค้ดมีลักษณะดังนี้:

country_coefficients <- by_year_country %>%
  nest(-country) %>%
  mutate(model = map(data, ~ lm(percent_yes ~ year, data = .)),
         tidied = map(model, tidy)) %>%
  unnest(tidied)

คราวนี้ คุณจะสร้างโมเดลเพื่อวิเคราะห์การเปลี่ยนแปลงของ "เปอร์เซ็นต์" การโหวต yes ตามเวลาอีกครั้ง แต่แทนที่จะฟิตโมเดลหนึ่งตัวต่อหนึ่งประเทศ คุณจะฟิตโมเดลหนึ่งตัวสำหรับแต่ละคู่ผสมระหว่าง country และ topic

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

กรณีศึกษา: การวิเคราะห์เชิงสำรวจข้อมูลใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

โหลดแพ็กเกจ purrr, tidyr, และ broom
แสดงชุดข้อมูล by_country_year_topic ใน console
ฟิตโมเดลเชิงเส้นภายในแต่ละ country และ topic ในชุดข้อมูลนี้ โดยบันทึกผลลัพธ์เป็น country_topic_coefficients สามารถใช้โค้ดที่กำหนดให้เป็นจุดเริ่มต้นได้
แสดงชุดข้อมูล country_topic_coefficients ใน console

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Load purrr, tidyr, and broom


# Print by_country_year_topic


# Fit model on the by_country_year_topic dataset


# Print country_topic_coefficients

แก้ไขและรันโค้ด