2023 厚數據與意義探勘實做
楊仁傑
2023.8.7
關於資料來源
這個練習的資料，是個來自兩波網路調查。這是個依受訪者id合併之後的「定群追蹤資料」（panel data）。由smilepoll.tw提供。第一筆（代號B）是「統獨意見大調查」，調查時間： 2018. 10.22～2018. 11.13，N=886（完成率86.7%）；第二筆（代號D）是「2018地方選舉選後心情札記」，調查時間：2019.01.21～2019.02.19，N=1,297 (完成率78%)。
專案準備
請開啟一個新的專案，將語法檔及資料檔（dataBD.rda）都放入該專案資料夾內。
讀入資料與變數觀察
## Warning: 套件 'sjPlot' 是用 R 版本 4.3.1 來建造的## Warning: 套件 'sjmisc' 是用 R 版本 4.3.1 來建造的## 性別 (x) <categorical>
## # total N=579 valid N=576 mean=0.43 sd=0.50
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------
## 0 | 女 | 329 | 56.82 | 57.12 | 57.12
## 1 | 男 | 247 | 42.66 | 42.88 | 100.00
## <NA> | <NA> | 3 | 0.52 | <NA> | <NA>## Warning in grid.Call(C_stringMetric, as.graphicsAnnot(x$label)): Windows
## 字型資料庫裡不明的字型系列## Warning in grid.Call(C_stringMetric, as.graphicsAnnot(x$label)): Windows
## 字型資料庫裡不明的字型系列## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## x <numeric>
## # total N=579 valid N=579 mean=34.95 sd=11.40
##
## Value | N | Raw % | Valid % | Cum. %
## -------------------------------------
## 15 | 2 | 0.35 | 0.35 | 0.35
## 17 | 4 | 0.69 | 0.69 | 1.04
## 18 | 4 | 0.69 | 0.69 | 1.73
## 19 | 12 | 2.07 | 2.07 | 3.80
## 20 | 11 | 1.90 | 1.90 | 5.70
## 21 | 13 | 2.25 | 2.25 | 7.94
## 22 | 13 | 2.25 | 2.25 | 10.19
## 23 | 21 | 3.63 | 3.63 | 13.82
## 24 | 20 | 3.45 | 3.45 | 17.27
## 25 | 23 | 3.97 | 3.97 | 21.24
## 26 | 29 | 5.01 | 5.01 | 26.25
## 27 | 17 | 2.94 | 2.94 | 29.19
## 28 | 21 | 3.63 | 3.63 | 32.82
## 29 | 13 | 2.25 | 2.25 | 35.06
## 30 | 26 | 4.49 | 4.49 | 39.55
## 31 | 25 | 4.32 | 4.32 | 43.87
## 32 | 17 | 2.94 | 2.94 | 46.80
## 33 | 31 | 5.35 | 5.35 | 52.16
## 34 | 22 | 3.80 | 3.80 | 55.96
## 35 | 25 | 4.32 | 4.32 | 60.28
## 36 | 24 | 4.15 | 4.15 | 64.42
## 37 | 15 | 2.59 | 2.59 | 67.01
## 38 | 14 | 2.42 | 2.42 | 69.43
## 39 | 13 | 2.25 | 2.25 | 71.68
## 40 | 11 | 1.90 | 1.90 | 73.58
## 41 | 12 | 2.07 | 2.07 | 75.65
## 42 | 11 | 1.90 | 1.90 | 77.55
## 43 | 9 | 1.55 | 1.55 | 79.10
## 44 | 6 | 1.04 | 1.04 | 80.14
## 45 | 16 | 2.76 | 2.76 | 82.90
## 46 | 8 | 1.38 | 1.38 | 84.28
## 47 | 12 | 2.07 | 2.07 | 86.36
## 48 | 9 | 1.55 | 1.55 | 87.91
## 49 | 6 | 1.04 | 1.04 | 88.95
## 50 | 6 | 1.04 | 1.04 | 89.98
## 51 | 4 | 0.69 | 0.69 | 90.67
## 52 | 7 | 1.21 | 1.21 | 91.88
## 53 | 5 | 0.86 | 0.86 | 92.75
## 54 | 5 | 0.86 | 0.86 | 93.61
## 55 | 4 | 0.69 | 0.69 | 94.30
## 56 | 2 | 0.35 | 0.35 | 94.65
## 57 | 4 | 0.69 | 0.69 | 95.34
## 58 | 4 | 0.69 | 0.69 | 96.03
## 60 | 2 | 0.35 | 0.35 | 96.37
## 61 | 1 | 0.17 | 0.17 | 96.55
## 62 | 3 | 0.52 | 0.52 | 97.06
## 63 | 8 | 1.38 | 1.38 | 98.45
## 64 | 1 | 0.17 | 0.17 | 98.62
## 66 | 3 | 0.52 | 0.52 | 99.14
## 68 | 1 | 0.17 | 0.17 | 99.31
## 74 | 1 | 0.17 | 0.17 | 99.48
## 78 | 1 | 0.17 | 0.17 | 99.65
## 79 | 1 | 0.17 | 0.17 | 99.83
## 90 | 1 | 0.17 | 0.17 | 100.00
## <NA> | 0 | 0.00 | <NA> | <NA>## Warning: `stat(density)` was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(density)` instead.
## Windows 字型資料庫裡不明的字型系列
## Windows 字型資料庫裡不明的字型系列
## Windows 字型資料庫裡不明的字型系列
## Windows 字型資料庫裡不明的字型系列
## Windows 字型資料庫裡不明的字型系列
## Windows 字型資料庫裡不明的字型系列
## ℹ The deprecated feature was likely used in the sjPlot package.
## Please report the issue at <https://github.com/strengejacke/sjPlot/issues>.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## 教育程度 (x) <categorical>
## # total N=579 valid N=572 mean=2.03 sd=0.53
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------
## 1 | 大專以下 | 72 | 12.44 | 12.59 | 12.59
## 2 | 大專 | 408 | 70.47 | 71.33 | 83.92
## 3 | 研究所 | 92 | 15.89 | 16.08 | 100.00
## <NA> | <NA> | 7 | 1.21 | <NA> | <NA>## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## 居住地 (x) <categorical>
## # total N=579 valid N=558 mean=7.98 sd=5.58
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------------
## 1 | 台北市 | 56 | 9.67 | 10.04 | 10.04
## 2 | 新北市 | 120 | 20.73 | 21.51 | 68.64
## 3 | 基隆市 | 5 | 0.86 | 0.90 | 70.07
## 4 | 桃園市 | 42 | 7.25 | 7.53 | 77.60
## 5 | 新竹市 | 13 | 2.25 | 2.33 | 79.93
## 6 | 新竹縣 | 12 | 2.07 | 2.15 | 82.08
## 7 | 苗栗縣 | 8 | 1.38 | 1.43 | 83.51
## 8 | 台中市 | 73 | 12.61 | 13.08 | 96.59
## 9 | 彰化縣 | 19 | 3.28 | 3.41 | 100.00
## 10 | 南投縣 | 5 | 0.86 | 0.90 | 10.93
## 11 | 雲林縣 | 18 | 3.11 | 3.23 | 14.16
## 12 | 嘉義市 | 5 | 0.86 | 0.90 | 15.05
## 13 | 嘉義縣 | 13 | 2.25 | 2.33 | 17.38
## 14 | 台南市 | 45 | 7.77 | 8.06 | 25.45
## 15 | 高雄市 | 99 | 17.10 | 17.74 | 43.19
## 16 | 屏東縣 | 14 | 2.42 | 2.51 | 45.70
## 17 | 台東縣 | 0 | 0.00 | 0.00 | 45.70
## 18 | 花蓮縣 | 5 | 0.86 | 0.90 | 46.59
## 19 | 宜蘭縣 | 3 | 0.52 | 0.54 | 47.13
## 20 | 澎湖縣 | 2 | 0.35 | 0.36 | 69.00
## 21 | 金門縣 | 1 | 0.17 | 0.18 | 69.18
## 22 | 連江縣 | 0 | 0.00 | 0.00 | 69.18
## 23 | 中國大陸(含香港、澳門)地區 | 0 | 0.00 | 0.00 | 69.18
## 24 | 其他 | 0 | 0.00 | 0.00 | 69.18
## <NA> | <NA> | 21 | 3.63 | <NA> | <NA>## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows 字型資料庫裡不明的字型系列
請依你圖表上的資訊，在此寫下你對這筆資料的基本印象及看法：
關於這筆資料，我發現…………
變數選取與MCA分析
##
## 載入套件：'dplyr'## 下列物件被遮斷自 'package:stats':
##
## filter, lag## 下列物件被遮斷自 'package:base':
##
## intersect, setdiff, setequal, union## Warning: 套件 'factoextra' 是用 R 版本 4.3.1 來建造的## 載入需要的套件：ggplot2## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa## [1] 564## [1] "Gender" "college" "B23r" "B25r" "B29r" "B33r" "B39r"
## [8] "B42r" "B46r" "B47r" "B51r" "B53r" "B54r" "B56r"
## [15] "B57r" "D25r" "D52r" "D58r" "D61r" "D81r" "D99r"
## [22] "D146r" "D147r"
探索
#前30個重要的選項類別
plot(resBD, axes=c(1, 2), new.plot=TRUE,
col.var="black", col.ind="black", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.7,
selectMod = "cos2 10", # 試試看，將20調為更高的數字，你會看到更多的變數類別
invisible=c("ind", "quali.sup"),
autoLab = "yes",
xlim=c(-1, 1.5), ylim=c(-1.3, 1.5),
title="") ## Warning: Removed 1 rows containing missing values (`geom_point()`).## Warning: Removed 1 rows containing missing values (`geom_text_repel()`).
# 受訪者分佈圖
plot(resBD, axes=c(1, 2), new.plot=TRUE,
col.var="red", col.ind="brown", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.8,
selectMod = "cos2",
invisible=c("var", "quali.sup"),
xlim=c(-1, 1.5),
title="")
大膽假設
現在，請你依圖找到你覺得有趣的、有相關的問卷題，將你的假設寫下。
## 用卡方檢定確認具潛在關聯的變數之間的相關性
library(sjPlot)
library(sjmisc)
sjt.xtab(dataBD$B39r, dataBD$B47r, ## 請把這兩個變數換成你想要檢視變數
show.row.prc = TRUE, # 顯示列百分比
show.col.prc = TRUE # 顯示欄百分比
)| B39r | B47r | Total | ||
|---|---|---|---|---|
| 1 | 2 | 3 | ||
| 1 |
137 67.8 % 60.6 % |
47 23.3 % 19.2 % |
18 8.9 % 16.7 % |
202 100 % 34.9 % |
| 2 |
55 25 % 24.3 % |
142 64.5 % 58 % |
23 10.5 % 21.3 % |
220 100 % 38 % |
| 3 |
34 21.7 % 15 % |
56 35.7 % 22.9 % |
67 42.7 % 62 % |
157 100 % 27.1 % |
| Total |
226 39 % 100 % |
245 42.3 % 100 % |
108 18.7 % 100 % |
579 100 % 100 % |
χ2=177.566 · df=4 · Cramer’s V=0.392 · p=0.000 |
#想檢視多組關係，請把上一段複製貼上，調整變數，多做幾次吧！再來，請你寫下經過你驗證後的、非常可能相關的一組組變數（請寫下最多三組有趣的即可）
編譯出你專屬的作品
- 最後，請你用knit將你的分析結果存為html繳交給老師。