Kapitel 3 Univariat analysis

Detta kapitel handlar om univariat analys som vi diskuterade i klassrummet.

Här ska vi prata om olika skal nivåer och hur de olika typer ser ut i data formen. Sen börja med data data behandling och grunläggande visualisering.

3.1 Ladda in data till R

Först vi behöver ladda in data kopiera och och klistra in data. Kan du ser datafilen i R studio? Om inte se till att du had lagt filen i samma plats som ditt R projekt. När du har gjort den och kan se filen i R studio då du kan trycka den gröna plus tecken högst upp i vänsterhörnet. Kopiera och klistra in den följande kod till dina skript och kör koden.

library(rio)
df<-import('NTU 2017-2021.RData')

## Warning: Missing `trust` will be set to
## FALSE by default for RData in 2.0.0.

Nu du borde se en ny objekt i enrironment fönstret som heter ‘df’ som inkludera 375790 observationer och 6 variabler. Om du vill titta på datan du kan trycka på den och en ny fönster ska öppna med datavy.

3.2 Data överblick.

Här kommer två sätt att får samma information

head(df)

##   alder_4 Brottsoffer_hot
## 1   65-84             Nej
## 2   65-84             Nej
## 3   65-84            <NA>
## 4   65-84             Nej
## 5   65-84             Nej
## 6   65-84             Nej
##   Fortroende_index  Radsla_oro
## 1                8      Orolig
## 2               20      Orolig
## 3                7 Inte orolig
## 4               NA Inte orolig
## 5               19      Orolig
## 6               15      Orolig
##                         Radsla_beteende
## 1 Sällan eller aldrig avstått aktivitet
## 2 Sällan eller aldrig avstått aktivitet
## 3 Sällan eller aldrig avstått aktivitet
## 4 Sällan eller aldrig avstått aktivitet
## 5                Ofta avstått aktivitet
## 6                Ofta avstått aktivitet
##        Storstad
## 1 Inte storstad
## 2      Storstad
## 3 Inte storstad
## 4 Inte storstad
## 5 Inte storstad
## 6 Inte storstad

knitr::kable(
  head(df, 10), caption = 'Here is a nice table!',
  booktabs = TRUE
)

Table 3.1: Here is a nice table!

alder_4	Brottsoffer_hot	Fortroende_index	Radsla_oro	Radsla_beteende	Storstad
65-84	Nej	8	Orolig	Sällan eller aldrig avstått aktivitet	Inte storstad
65-84	Nej	20	Orolig	Sällan eller aldrig avstått aktivitet	Storstad
65-84	NA	7	Inte orolig	Sällan eller aldrig avstått aktivitet	Inte storstad
65-84	Nej	NA	Inte orolig	Sällan eller aldrig avstått aktivitet	Inte storstad
65-84	Nej	19	Orolig	Ofta avstått aktivitet	Inte storstad
65-84	Nej	15	Orolig	Ofta avstått aktivitet	Inte storstad
65-84	Nej	NA	Orolig	Sällan eller aldrig avstått aktivitet	Storstad
65-84	Nej	6	Inte orolig	Sällan eller aldrig avstått aktivitet	Inte storstad
65-84	Nej	14	Orolig	Sällan eller aldrig avstått aktivitet	Inte storstad
65-84	Nej	19	Orolig	Sällan eller aldrig avstått aktivitet	Storstad

3.3 Descriptive statistics

Vi måste alltid kommer ihåg skal nivå av variablerna när vi kör alla slags analysen. Även i univariatanalys t.ex. vad btyder det att räkna ut medelvärdet av en dikatom variabel som ‘storstad’?

library(psych)
knitr::kable(describe(df))

	vars	n	mean	sd	median	trimmed	mad	min	max	range	skew	kurtosis	se
alder_4*	1	375590	2.841875	1.0327887	3	2.927344	1.4826	1	4	3	-0.4060423	-1.0256244	0.0016852
Brottsoffer_hot*	2	371042	1.925895	0.2619417	2	2.000000	0.0000	1	2	1	-3.2518225	8.5743727	0.0004300
Fortroende_index	3	269696	11.408805	4.5050388	12	11.625914	4.4478	0	20	20	-0.4529712	-0.2107235	0.0086748
Radsla_oro*	4	366123	1.451627	0.4976552	1	1.439534	0.0000	1	2	1	0.1944035	-1.9622126	0.0008225
Radsla_beteende*	5	373014	1.117682	0.3222315	1	1.022104	0.0000	1	2	1	2.3729340	3.6308253	0.0005276
Storstad*	6	375590	1.289012	0.4533041	1	1.236265	0.0000	1	2	1	0.9308872	-1.1334520	0.0007397

3.4 Visualisering

#Här är en plot av variabeln 'Brottsoffer_hot'.  
library(tidyverse)
df %>% drop_na() %>% #Det har ta bort alla NA annars det får sin egen kolumn
  ggplot()+ geom_bar(aes(x=Brottsoffer_hot))+theme_bw()

#Här är en plot av variabeln 'Radsla_oro'.  

df %>% drop_na() %>% #Det har ta bort alla NA annars det får sin egen kolumn
  ggplot()+ geom_bar(aes(x=Radsla_oro))+theme_bw()

#Här är en plot av variabeln 'Radsla_beteende'.  

df %>% drop_na() %>% #Det har ta bort alla NA annars det får sin egen kolumn
  ggplot()+ geom_bar(aes(x=Radsla_beteende))+theme_bw()

De tre variablerna var alla dikotomiserad i.e. de variera bara mellan två kategorier. Men vi kan också skapa en ‘index’ av många variabler

I denna fall vi har skapat ett additivt index (en sammanslagning av fem frågor) som mäter om respondenten har stort eller litet förtroende för rättsväsendet. Kontinuerlig: 0 (lågt förtroende) till 20 (högt förtroende) (Ingenåsikt/vetinte=bortfall)

Vi kan se de beskrivande statistiker för bara denna variabel om vi lägga till variabelns namn efter datasetets namn och en ‘$’ tecken

knitr::kable(describe(df$Fortroende_index, skew = FALSE))

	vars	n	mean	sd	median	min	max	range	se
X1	1	269696	11.4088	4.505039	12	0	20	20	0.0086748

#Här är en plot av variabeln 'Fortroende_index'.  

df %>% drop_na() %>% #Det har ta bort alla NA annars det får sin egen kolumn
  ggplot()+ geom_bar(aes(x=Fortroende_index))+theme_bw()

Sen vi kan även ladda upp en till data set om vi vill. Lada ner den ‘shootings’ excel fil från canvas och spara den i samma map som du har R projektet. När du har gjort den det borde dycker upp i fönstret igen. Sen kör denna kod att ladda in data till R och nämna den ‘shootings’

shootings<- import('shootings.csv')
#Sen kolla hur det ser ut
head(shootings)

##   year         region shootings_rate
## 1 2018 västragötaland       2.982781
## 2 2018       blekinge       1.252474
## 3 2018      jönköping       2.494284
## 4 2018 västernorrland       0.407410
## 5 2018    västmanland       1.825290
## 6 2018   södermanland       4.411341
##   trust_police_average education_average
## 1             2.277397          2.252655
## 2             2.430769          2.112299
## 3             2.264463          2.113990
## 4             2.447059          2.180451
## 5             2.169014          2.216000
## 6             2.272727          2.148036
##   income_average
## 1       3.501167
## 2       3.200000
## 3       3.400552
## 4       3.315175
## 5       3.502146
## 6       3.370253

knitr::kable(describe(shootings$shootings_rate, skew = FALSE))

	vars	n	mean	sd	median	min	max	range	se
X1	1	63	2.557833	1.898535	2.125386	0	8.860789	8.860789	0.2391929

shootings %>% drop_na() %>% 
  ggplot(aes(shootings_rate))+ geom_histogram(binwidth= .75)+
   theme_bw()

Vi kan också skapa en boxplot av variabeln

shootings %>% drop_na() %>% 
  ggplot(aes(x= shootings_rate))+ geom_boxplot()+ coord_flip()+ theme_bw()