After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
เคยทำแบบสอบถามมาบ้างแล้วใช่ไหม? แล้วเคยสงสัยไหมว่ากว่าจะได้แบบสอบถามแต่ละชุดมานั้นต้องออกแบบอย่างไร และจะแปลงคำตอบเหล่านั้นให้กลายเป็นข้อมูลเชิงลึกที่นำไปใช้งานได้จริงได้อย่างไร? ในคอร์ส Analyzing Survey Data in R นี้ จะได้เรียนรู้กระบวนการทำงานกับแบบสอบถามตั้งแต่ต้นจนจบ ตั้งแต่โครงสร้างการออกแบบแบบสอบถามที่พบบ่อย เช่น การสุ่มแบบกลุ่ม (clustering) และการแบ่งชั้น (stratification) ไปจนถึงการแสดงผลและวิเคราะห์ข้อมูล จะได้สร้างโมเดลจากข้อมูลแบบสอบถามของ National Health and Nutrition Examination Survey โดยใช้แพ็กเกจ survey และ tidyverse ใน R เมื่อเรียนจบแล้ว จะสามารถอ่านและตีความผลการสำรวจได้อย่างมั่นใจ
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
บทนำสู่ข้อมูลแบบสอบถาม
เราจะเริ่มต้นสำรวจข้อมูลแบบสอบถามด้วยเรื่องของน้ำหนักแบบสอบถาม (survey weights) ในบทนี้จะได้เรียนรู้ว่า survey weights คืออะไร และเหตุใดจึงมีความสำคัญในการวิเคราะห์ข้อมูลแบบสอบถาม นอกจากนี้ยังจะได้ทำความรู้จักกับลักษณะเฉพาะของการเก็บข้อมูลผ่านการสุ่มแบบกลุ่มและการแบ่งชั้น พร้อมฝึกระบุและสำรวจคุณลักษณะการสุ่มตัวอย่างเหล่านี้จากชุดข้อมูลแบบสอบถามหลายชุด
- Survey Weights คืออะไร?50 XP
- น้ำหนักการสำรวจ50 XP
- การแสดงผลน้ำหนักการสำรวจ100 XP
- การระบุองค์ประกอบของการออกแบบการสำรวจใน R50 XP
- การออกแบบการสำรวจใน R100 XP
- การออกแบบแบบแบ่งชั้นใน R100 XP
- การออกแบบแบบสุ่มตัวอย่างแบบกลุ่มใน R100 XP
- เปรียบเทียบน้ำหนักสำรวจของการออกแบบที่แตกต่างกัน100 XP
- การแสดงผลผลกระทบของน้ำหนักการสำรวจ50 XP
- น้ำหนักการสำรวจ NHANES100 XP
- รวบรวมทุกอย่างเข้าด้วยกัน!100 XP
2
การสำรวจข้อมูลเชิงกลุ่ม
เมื่อเข้าใจ survey weights แล้ว ในบทนี้จะฝึกนำน้ำหนักเหล่านั้นมาใช้ในการวิเคราะห์ข้อมูลเชิงกลุ่ม ทั้งการอนุมานเชิงพรรณนาด้วยการคำนวณสถิติสรุป การสร้างตารางสรุป และการสร้างกราฟแท่ง สำหรับการอนุมานเชิงวิเคราะห์จะได้เรียนรู้การทดสอบไคสแควร์
3
การสำรวจข้อมูลเชิงปริมาณ
ข้อมูลแบบสอบถามไม่ได้เป็นข้อมูลเชิงกลุ่มทั้งหมด ในบทนี้จึงจะสำรวจการวิเคราะห์ข้อมูลแบบสอบถามเชิงปริมาณ จะได้เรียนรู้การคำนวณสถิติที่ถ่วงน้ำหนักด้วย survey weights เช่น ค่าเฉลี่ยและควอนไทล์ รวมถึงการสร้างกราฟแท่ง ฮิสโตแกรม และกราฟความหนาแน่น และจะปิดท้ายบทด้วยการอนุมานเชิงวิเคราะห์โดยใช้ t-test แบบถ่วงน้ำหนัก
4
การสร้างโมเดลข้อมูลเชิงปริมาณ
การสร้างโมเดลจากข้อมูลแบบสอบถามจำเป็นต้องคำนึงถึงวิธีการเก็บข้อมูลด้วยเช่นกัน บทนี้จะเริ่มต้นด้วยการนำ survey weights มาใช้ในการสร้าง scatter plot ผ่าน aesthetics ต่าง ๆ เช่น ขนาด สี และความโปร่งใส จากนั้นจะสร้างโมเดลข้อมูลด้วย linear regression พร้อมสำรวจการนำตัวทำนายเชิงกลุ่มและพจน์พหุนามมาใช้ในโมเดล
R
การวิเคราะห์ข้อมูลแบบสอบถามใน R
เรียนจบแล้ว
