我們將從「問卷權重」開始探索問卷資料。本章會說明什麼是問卷權重，以及為何它們在問卷資料分析中如此重要。問卷資料的另一個特色是透過分群與分層進行抽樣收集。我們會在多個問卷資料集中練習如何指定並探索這些抽樣特徵。

什麼是抽樣權重？

調查權重

視覺化權重

在 R 指定抽樣設計的元素

R 中的設計

R 中的分層設計

在 R 中的叢集設計

比較不同設計的調查權重

視覺化檢視問卷權重的影響

NHANES 權重

把重點全部串起來！

問卷資料入門

既然已經掌握問卷權重，這一章將練習把權重納入類別型資料的分析。我們會透過計算摘要統計、建立摘要表，以及繪製長條圖來進行描述性推論；在分析性推論方面，將學習執行卡方檢定。

視覺化類別變數

彙整類別變數

解讀次數表

繪製類別變數的圖形

探索兩個類別變數

建立列聯表

建立分段長條圖

使用 svytotal() 進行彙總

解讀 svymean()

類別變數的推論

執行卡方檢定

探索類別型資料

當然並非所有問卷資料都屬於類別型，因此本章將探討如何分析數值型的問卷資料。我們會學習計算納入問卷權重的統計量，例如平均數與分位數。在視覺化方面，會建立長條圖、直方圖與機率密度圖。最後，我們將以納入問卷權重的 t 檢定來進行分析性推論，作為本章的結尾。

量化資料摘要

調查統計量

估計分位數

視覺化數值型資料

以問卷加權平均數繪製長條圖

svyby() 的輸出

含誤差的長條圖

含調查權重的直方圖

含調查權重的密度圖

量化資料的推論

帶權重的 t 檢定（Survey-weighted t-test）

探索數值型資料

對問卷資料進行建模時，也必須仔細考量資料的蒐集方式。本章開頭會先學習如何在散佈圖中透過大小、顏色與透明度等美學元素納入問卷權重。接著，我們將以線性迴歸為問卷資料建模，並探討如何把類別型解釋變數與多項式項納入模型。

使用散佈圖進行視覺化

泡泡圖

含調查權重的散佈圖

散佈圖中的色彩運用

視覺化趨勢

最佳擬合線

趨勢線

調整加權的調查資料建模

迴歸模型

迴歸推論

更複雜的建模

多元線性迴歸

整合應用

總結

數值型資料的建模

Quarter 4 of the 2016 BLS Consumer Expenditure Survey

你一定填過問卷（也可能是 1,000 份）吧？可曾想過，問卷是如何設計的，又如何把作答結果轉化為可採取行動的洞見？在本課程「在 R 中分析問卷資料」中，你會從 A 到 Z 全面操作問卷：先從常見的設計結構（如分群與分層）開始，一直到視覺化與分析問卷結果。你將使用 R 的 survey 與 tidyverse 套件，對「全國健康與營養調查」（National Health and Nutrition Examination Survey）的問卷資料進行建模。完成本課程後，你將能正確解讀問卷結果，替生活中的關鍵問題找到答案！

Introduction to the Tidyverse

Foundations of Inference in R

學習使用常見設計結構進行調查設計，然後可視化和分析調查結果。

調整加權的調查資料建模

Create Your Free Account