R09_복지패널 데이터분석1

Goals

• 복지패널데이터 다운로드, 변수 이름을 분석하기 쉽게 변경, 성별에 따른 월급 차이, 그래프 생성시 NA값 제외
• 이상치 NA로 처리하기,  label 붙이기, 막대 색 채우기 : fill

# 복지 패널 데이터  https://github.com/youngwoos/Doit_R 에서 다운로드

+ 한국복지패널데이터_etc에서 관련 자료 다운로드

+ 참고용 codebook

rm(list=ls())

#통계 전용 프로그램 SPSS에서 만들어진 sav file을 읽어서

#데이터 프레임을 생성하려면 foreign 패키지가 필요

# 분석에 필요한 패키지들을 검색 경로에 로드

library(foreign)

library(dplyr)

library(ggplot2)

library(readxl)

search()

# 데이터 구조 확인

str(welfare)

table(welfare$h10_g3)

table(welfare$h10_g4)

table(welfare$h10_g10)

table(welfare$h10_reg7)

• 변수 이름들을 분석하기 쉽게 변경

#rename(데이터프레임, 바꿀 이름 = 원래 변수 이름)

welfare <- welfare %>%

  rename(gender = h10_g3,

         birth = h10_g4,

         marriage = h10_g10,

         religion = h10_g11,

         code_job = h10_eco9,

         income = p1002_8aq1,

         code_region = h10_reg7)

• 성별에 따른 월급 차이 ?

table(welfare$gender) # 성별 도수분포표

# 성별변수에는 이상치가 없다. 이상치가 있다면 N/A처리를 해야한다.

# 만약에 이상치가 있는 경우에는 이상치를 NA로 처리

welfare$gender <- ifelse(welfare$gender %in% c(1,2),

                         welfare$gender, NA)

ggplot(data = welfare, mapping = aes(x = gender))+geom_bar()

#성별은 질적 변수 (qualitative variable):

# 1, 2라는 숫자(의 크기)가 중요한 게 아니라, 남/여 구분이 중요

# gender 변수를 factor로 만듦.

welfare$gender = factor(welfare$gender,

                        levels = c(1,2),

                        labels = c("남자",'여자'))

x 축 이름이 변경됨. 

• 막대 색 채우기

ggplot(data = welfare, mapping = aes(x = gender, fill = gender))+geom_bar()

#월 급여(income)

> class(welfare$income)

[1] "numeric"              # income의 데이터타입은 숫자

# 양적 변수(quantative variable)

# income 변수의 요약정보

> summary(welfare$income)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's      #  만약 income 변수의 값에 9999가 있으면 NA로 바꾸어야 한다 (이상치)

    0.0   122.0   192.5   241.6   316.6  2400.0   12030

# summary 함수를 사용해서 이상치가 없음을 확인함. 이상치가 있다면,

welfare$income <- ifelse(welfare$income >= 0 & welfare$income < 9999,

                   welfare$income, NA)

# 성별 평균 한달 급여

  welfare %>%

  group_by(gender) %>%

  summarise(income_by_gender = mean(income, na.rm  =T))

welfare %>%

  filter(!is.na(income)) %>%

  group_by(gender) %>%

  summarise(income_by_gender = mean(income))

  gender income_by_gender

  <fct>             <dbl>

1 남자               312.

2 여자               163.

income_by_gender = welfare %>%

  filter(!is.na(income)) %>%

  group_by(gender) %>%

  summarise(mean = mean(income))

ggplot(data=income_by_gender,

       mapping = aes(x = gender, y = mean, fill = gender))+

  geom_col()

#급여의 분포

ggplot(data = welfare, mapping = aes(x= income))+

  geom_bar(width = 100)                    width : 막대 하나의 가로길이. 개별값이 너무 많아서 그래프 자동 생성이 안됨.

Warning messages:

1: Removed 12044 rows containing non-finite values (stat_count).

2: position_stack requires non-overlapping x intervals

# 나이(연령)에 따른 급여 ?

# 태어난 연도 도수분포표

table(welfare$birth)

#NA 여부 확인

table(is.na(welfare$birth))

#welfare 데이터 프레임에 age(나이) 변수 추가

#나이 계산은 통계 데이터 조사 시점(2015) 을 기준

welfare$age = 2015- welfare$birth

summary(welfare$age)

ggplot(data = welfare, mapping = aes(x = age))+ geom_bar()

income_by_age = welfare %>%

  filter(!is.na(income)) %>%         #income이 na인 경우는 제외

  group_by(age) %>%                  # 연령대별 그룹

  summarise(mean = mean(income))     # 평균 급여 계산

head(income_by_age)

tail(income_by_age)

ggplot(data= income_by_age, mapping = aes(x=age, y=mean)) +

  geom_col()

# 연령 & 성별 월급

income_by_age_gender = welfare %>%

  filter(!is.na(income)) %>%         # income이 na인 경우는 제외

  group_by(age, gender) %>%

  summarise(mean=mean(income))

head(income_by_age_gender)

ggplot(data = income_by_age_gender, mapping = aes(x = age, y = mean, color = gender)) 

+  geom_line()