Seminar 6 – Oppgaver

I dette oppgavesettet, som er en av prøvene fra i fjor, skal vi bruke datasettet “social_survey.RData”. Last ned her!. Datasettet inneholder surveysvar fra personer i Norden. Variabelforklaring:

Variabelnavn Beskrivelse
age Alder
gender Kjønn
income Månedlig inntekt (NOK)
pol_influence Følelse av mulighet til å ha innflytelse på politikk
trust_politicians Tillit til politikere
  1. Last inn datasettet social_survey.RData med load() (husk å ha koden i scriptet). Kommenter hvor mange enheter/observasjoner og variabler datasettet inneholder.
  2. Lag et stolpediagram av variabelen for politisk innflytelse (pol_influence). Oppgi kategorien med flest observasjoner på variabelen i en kommentar.
  3. Vis hvordan du finner antall menn (gender) som har svart på surveyen og oppgi antallet i en kommentar.
  4. Vis hvordan du finner antall missing/NA på variabelen for alder (age). Oppgi antallet i en kommentar.
  5. Vis hvordan du sjekker Pearson’s R korrelasjonen mellom inntekt (income) og tillit til politikere (trust_politicians). Oppgi om korrelasjonen er signifikant i en kommentar.
  6. Lag en krysstabell mellom kjønn (gender) og poltisk innflytelse (pol_influence). Oppgi antall kvinner som har svart “A great deal” i en kommentar.
  7. Lag en regresjon med inntekt (income) som avhengig variabel. Legg til kjønn (gender) og alder (age) som uavhengige variabler. Tolk konstantleddet substansielt.
  8. Legg inn residualene (resid()) og forventede verdier (fitted()) fra regresjonen (oppgave 7) i datasettet.
  9. Lag en spredningsplot med residalene på y-aksen og forventede verdier på x-aksen. Kommenter sammenhengen mellom residualene og forventede verdier.

Løsningsforslag

Code 
### Oppgave 1
load("./data/social_survey.RData")

dim(social_survey)

# Det er 640 enhter og 5 variabler i datasettet

### Oppgave 2
library(tidyverse)

ggplot(social_survey, aes(x = pol_influence)) +
  geom_bar()

# Det er flest observasjoner på kategorien "Some"
# Altså at man føler man har litt innflytelse på politikk

### Oppgave 3
table(social_survey$gender)

# Det er 330 menn som har svart på surveyen

### Oppgave 4

social_survey$age %>% 
  is.na() %>% 
  sum()

# Det er 7 missingverdier på variabelen "age"

### Oppgave 5

cor.test(social_survey$income, social_survey$trust_politicians)

# Korrelasjonen mellom inntekt og tillit til politikere er
# signifikant på 5% nivå (p > 0.05 og t > 1.96).

### Oppgave 6
table(social_survey$gender, social_survey$pol_influence)

# 14 kvinner har svart "A great deal" på spørsmål om
# hvor mye de innflytelse de føler de har på politikk

### Oppgave 7
inc_reg <- lm(income ~ gender + age, data = social_survey,
              na.action = "na.exclude")

summary(inc_reg)

# Konstantleddet viser foventet inntekt til 0 år gamle menn.
# Altså kan vi forvente at en mann på 0 år har en forventet inntekt
# på 24370,- i måneden. Dette er ikke en realistisk verdi, fordi minste
# verdi på alder i datasettet er 16 år.

# En mann på 16 år er forventet å ha 24370.07 + (326.67 * 16) = 29596.79
# i mndinntekt

### Oppgave 8
social_survey <- social_survey %>% 
  mutate(increg_resid = resid(inc_reg),
         increg_fit = fitted(inc_reg))

### Oppgave 9

ggplot(social_survey, aes(x = increg_resid, y = increg_fit)) +
  geom_point() +
  geom_smooth(method = "lm")

# Forventede verdier og residualer korrelerer ikke