按组计算误差边界

在 ACS 分析中，减少误差边界的一种方法是在合适的情况下合并估计值。这可以通过 tidyverse 的分组数据分析工具完成。在本练习中，您将合并佛蒙特州男性与女性老年贫困的估计值，并在分组分析中使用 moe_sum() 函数。此做法可能会丢失一些细节，但合并后，相对于误差边界，您的估计会更可靠。

本练习是课程的一部分

在 R 中分析美国人口普查数据

查看课程

练习说明

按 GEOID 列对 vt_eldpov 数据集分组。
在 summarize() 调用中，使用 moe_sum() 函数计算派生的误差边界。
检查误差边界大于其估计值的行所占比例。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码