Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Du hast sicher schon einmal eine Umfrage (oder 1000) ausgefüllt, oder? Hast du dich schon mal gefragt, was hinter dem Design einer Umfrage steckt und wie aus Antworten handlungsrelevante Erkenntnisse werden? Na klar! In „Analyzing Survey Data in R“ arbeitest du von A bis Z mit Umfragen: von typischen Designstrukturen wie Clustering und Stratifizierung bis hin zur Visualisierung und Analyse der Ergebnisse. Du modellierst Umfragedaten aus der National Health and Nutrition Examination Survey mit den R-Paketen survey und tidyverse. Nach dem Kurs kannst du Umfrageergebnisse sicher interpretieren – und endlich Antworten auf die wirklich brennenden Fragen des Lebens finden!
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in Umfragedaten
Unsere Reise durch Umfragedaten beginnt mit Stichprobengewichten. In diesem Kapitel lernst du, was Umfragegewichte sind und warum sie für die Analyse so wichtig sind. Ein weiteres Merkmal von Umfragedaten ist die Art der Datenerhebung über Clustering und Stratifizierung. Wir üben, diese Stichprobenmerkmale für mehrere Umfragedatensätze in R zu spezifizieren und zu untersuchen.
- Was sind Stichprobengewichte?50 XP
- Stichprobengewichte50 XP
- Gewichte visualisieren100 XP
- Elemente des Designs in R festlegen50 XP
- Designs in R100 XP
- Stratified designs in R100 XP
- Cluster-Designs in R100 XP
- Vergleich von Survey-Gewichten unterschiedlicher Designs100 XP
- Die Auswirkungen von Stichprobengewichten visualisieren50 XP
- NHANES-Gewichte100 XP
- Alles zusammenführen!100 XP
2
Kategoriale Daten erkunden
Nachdem wir nun die Umfragegewichte im Griff haben, üben wir in diesem Kapitel, wie wir sie in die Analyse kategorialer Daten einbeziehen. Wir führen deskriptive Inferenz durch, indem wir Kennzahlen berechnen, Übersichtstabellen erstellen und Balkendiagramme konstruieren. Für analytische Inferenz lernen wir, Chi-Quadrat-Tests durchzuführen.
3
Quantitative Daten erkunden
Natürlich sind nicht alle Umfragedaten kategorial. In diesem Kapitel analysieren wir quantitative Umfragedaten. Wir lernen, umfragegewichtete Kennzahlen wie Mittelwert und Quantile zu berechnen. Zur Visualisierung erstellen wir Balkendiagramme, Histogramme und Dichtediagramme. Zum Abschluss führen wir analytische Inferenz mit umfragegewichteten t-Tests durch.
4
Quantitative Daten modellieren
Auch beim Modellieren von Umfragedaten muss die Erhebungsmethode sorgfältig berücksichtigt werden. Wir starten das Modellierungskapitel damit, Umfragegewichte in Streudiagrammen über Ästhetiken wie Größe, Farbe und Transparenz zu integrieren. Anschließend modellieren wir die Umfragedaten mit linearer Regression und schauen uns an, wie sich kategoriale Prädiktoren und Polynomterme in die Modelle einbinden lassen.
R
Umfragen mit R analysieren
Kurs
abgeschlossen
