Gruplara göre hata payı hesaplama
ACS analizinde hata paylarını azaltmanın bir yolu, uygun olduğunda tahminleri birleştirmektir. Bu, tidyverse'in gruplu veri analizi araçlarıyla yapılabilir. Bu egzersizde, Vermont'ta yaşlı erkek ve kadın yoksulluğu için tahminleri birleştirecek ve bu gruplu analizin bir parçası olarak moe_sum() fonksiyonunu kullanacaksın. Bu yaklaşımda bazı ayrıntıları kaybedebilirsin; ancak bu tahminleri birleştirmeden önceye kıyasla, tahminlerin hata paylarına göre daha güvenilir olacaktır.
Bu egzersiz
R ile ABD Nüfus Sayımı Verilerini Analiz Etme
kursunun bir parçasıdırEgzersiz talimatları
vt_eldpovveri kümesini GEOID sütununa göre grupla.summarize()çağrısında, türetilmiş bir hata payı hesaplamak içinmoe_sum()fonksiyonunu kullan.- Hata payları kendi tahminlerini aşan satırların oranını kontrol et.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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)