การทำความสะอาดข้อมูล NHANES
ระหว่างการทำความสะอาดข้อมูล พบว่าไม่มีผู้ที่อายุต่ำกว่า 16 ปีได้รับการรักษา โปรดจำว่าเราสมมติให้ตัวแปรที่ระบุว่าเคยได้รับคำแนะนำจากแพทย์ให้ลดไขมันหรือแคลอรีในอาหารเป็นตัวแทนของการให้คำปรึกษาด้านโภชนาการอย่างมีจุดประสงค์ ซึ่งเป็นการรักษาในการศึกษานี้ ดังนั้น จึงเก็บเฉพาะผู้ป่วยที่มีอายุมากกว่า 16 ปีในชุดข้อมูล
นอกจากนี้ คุณอาจสังเกตว่าค่าเริ่มต้นของ ggplot2 จะตัดข้อมูลที่ตัวแปรตามมีค่าสูญหายออกไป ในกรณีนี้คือน้ำหนักร่างกาย วิธีหนึ่งในการจัดการค่าสูญหายคือการ imputation ซึ่งสามารถทำได้ผ่านแพ็กเกจ simputation การ imputation คือเทคนิคสำหรับจัดการค่าสูญหายโดยแทนที่ด้วยสถิติสรุป เช่น ค่าเฉลี่ยหรือมัธยฐาน หรือใช้โมเดลเพื่อพยากรณ์ค่าที่จะใช้แทน
เราจะใช้ impute_median() ซึ่งรับชุดข้อมูลและตัวแปรที่ต้องการ impute หรือสูตรที่ใช้ในการ impute เป็นอาร์กิวเมนต์ ตัวอย่างเช่น impute_median(ToothGrowth, len ~ dose) จะเติมค่าสูญหายในตัวแปร len ด้วยค่ามัธยฐานของ len แยกตาม dose ดังนั้น หากหนูตะเภาที่ได้รับ dose 2.0 มีค่าสูญหายสำหรับตัวแปร len ค่านั้นจะถูกแทนที่ด้วยค่ามัธยฐาน len ของหนูตะเภาที่ได้รับ dose 2.0
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การออกแบบการทดลองใน R
คำแนะนำการฝึกหัด
- สร้าง
nhanes_filterโดยใช้filter()เพื่อเก็บเฉพาะผู้ที่มีอายุมากกว่า 16 ปี (ไม่รวมผู้ที่อายุ 16 ปี) โดยอายุจะถูกเก็บไว้ในตัวแปรridageyr - โหลด
simputationแล้วใช้impute_median()เพื่อเติมค่าสูญหายของbmxwtในnhanes_filterโดยจัดกลุ่มตามriagendr - Recode ตัวแปร
nhanes_final$mcq365dโดยเปลี่ยนค่าที่เป็น 9 ให้เป็น 2 แทน แล้วตรวจสอบว่าการ recode ทำงานถูกต้องด้วยcount()
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Filter to keep only those 16+
nhanes_filter <- ___ %>% filter(___)
# Load simputation & impute bmxwt by riagendr
___
nhanes_final <- impute_median(___, ___)
# Recode mcq365d with recode() & examine with count()
nhanes_final$mcq365d <- recode(nhanes_final$mcq365d,
`1` = 1,
`2` = 2,
`9` = ___)
___ %>% ___