我们将从调查权重开始探索调查数据。本章将介绍什么是调查权重，以及它们为何对调查数据分析至关重要。调查数据还有一个独特之处，即通过聚类和分层进行抽样采集。我们将练习在多个调查数据集上指定并探索这些抽样特征。

什么是抽样权重？

调查权重

可视化权重

在 R 中指定设计要素

R 中的设计

R 中的分层抽样设计

R 中的聚类抽样设计

比较不同抽样设计的调查权重

可视化权重对调查结果的影响

NHANES 权重

把这些串起来！

调查数据入门

在理解了调查权重之后，本章将练习把这些权重融入对分类数据的分析。我们将通过计算汇总统计量、构建汇总表格和绘制条形图来进行描述性推断。在分析性推断方面，我们将学习进行卡方检验。

可视化一个分类变量

汇总一个分类变量

解读频数表

分类变量的可视化绘图

探索两个分类变量

创建列联表

构建分段条形图

使用 svytotal() 做汇总

解读 svymean()

分类变量的推断

运行卡方检验

把所学串起来！

探索分类数据

当然，并非所有调查数据都是分类数据。因此本章将探索如何分析定量型调查数据。我们将学习计算按调查权重加权的统计量，如均值和分位数。可视化方面，我们将构建条形图、直方图和核密度图。最后，我们将通过按调查权重加权的 t 检验完成本章的分析性推断。

定量数据汇总

调查统计量

估计分位数

定量数据的可视化

带调查加权均值的条形图

svyby() 的输出

带误差线的条形图

带调查权重的直方图

调查加权的密度图

定量数据的推断

含抽样权重的 t 检验

综合运用！

探索定量数据

对调查数据进行建模同样需要仔细考虑数据的采集方式。我们将从可视化入手，学习如何在散点图中通过大小、颜色和透明度等美学映射来体现调查权重。随后使用线性回归对调查数据建模，并探讨如何将分类自变量与多项式项纳入模型。

使用散点图进行可视化

气泡图

按调查权重加权的散点图

在散点图中使用颜色

可视化趋势

最佳拟合线

趋势线

调查数据建模

回归模型

回归推断

更复杂的建模

多元线性回归

整合所学

小结

建模定量数据

Quarter 4 of the 2016 BLS Consumer Expenditure Survey

您肯定填过调查问卷，可能还是 1,000 份吧？是否想过，问卷是如何设计的，以及回答如何转化为可操作的洞见？本课程会带您一探究竟。在"用 R 分析调查数据"中，您将从头到尾处理调查：先了解常见的抽样设计结构，如聚类与分层，然后一直到调查结果的可视化与分析。您将使用 R 的 survey 与 tidyverse 包，对美国国家健康与营养调查的数据进行建模。学完本课程，您将能够准确解读调查结果，找到那些一直困扰您的关键问题的答案。

Introduction to the Tidyverse

Foundations of Inference in R

学习使用常见设计结构进行调查设计，并可视化和分析调查结果。

用 R 分析调查数据

学习调查设计，掌握常见设计结构，并可视化和分析调查结果。

在 R 中指定设计要素

Create Your Free Account