Revisão das variáveis selecionadas

Lendo a base

df <- read.csv2(file = "df.csv")

Filtrando os dados para pegar apenas idosos (idade >=60)

df <- 
  df |> 
  dplyr::filter(RIDAGEYR >= 60)

Step 1- Verificar se extrai as variáveis solicitadas

Abaixo estão todas as variáveis extrai de acordo com o documento que você me enviou.

Cheque se extrai todas.

colnames(df)
 [1] "SEQN"     "HUQ010"   "HUQ071"   "HUD080"   "SDDSRVYR" "RIAGENDR"
 [7] "RIDAGEYR" "RIDRETH1" "DMDEDUC2" "DMDMARTL" "INDFMIN2" "WTINT2YR"
[13] "WTMEC2YR" "PAQ605"   "PAQ610"   "PAD615"   "PAQ620"   "PAQ625"  
[19] "PAD630"   "PAQ635"   "PAQ640"   "PAD645"   "PAQ650"   "PAQ655"  
[25] "PAD660"   "PAQ665"   "PAQ670"   "PAD675"   "PAD680"   "CDQ010"  
[31] "CDQ001"   "DIQ010"   "DIQ050"   "RXDUSE"   "RXDCOUNT" "SMQ020"  
[37] "SMD030"   "SMQ040"   "SMQ050Q"  "SMD641"   "SMD650"   "MCQ160B" 
[43] "MCQ160C"  "MCQ160D"  "MCQ160E"  "MCQ160F"  "MCQ160O"  "MCQ080"  
[49] "MCQ160L"  "MCQ220"   "KIQ022"   "WTDRD1"   "DR1TKCAL" "DR1TPROT"
[55] "DR1TCARB" "DR1TSUGR" "DR1TFIBE" "DR1TTFAT" "DR1TSFAT" "DR1TMFAT"
[61] "DR1TPFAT" "DR1TCHOL" "WTDR2D"   "DR2TKCAL" "DR2TPROT" "DR2TCARB"
[67] "DR2TSUGR" "DR2TFIBE" "DR2TTFAT" "DR2TSFAT" "DR2TMFAT" "DR2TPFAT"
[73] "DR2TCHOL" "BMXWT"    "BMXHT"    "BPXSY1"   "BPXDI1"   "BPXSY2"  
[79] "BPXDI2"   "BPXSY3"   "BPXDI3"  

Repare que extrai 5 variáveis a mais:

- SDDSRVYR: Data release cycle;

- WTINT2YR: Full sample 2 year MEC exam weight;

- WTMEC2YR: Full sample 2 year interview weight;

- SDMVPSU: Masked variance pseudo-PSU;

- SDMVSTRA: Masked variance pseudo-stratum.

Essas variáveis são necessárias para fazer o sample design, procedimento de amostragem que é realizado para manter a amostra representativa da população americana.

Tamanho da amostra

O tamanho da amostra esta em 4051. Lembrando que esse “n” consiste de sujeitos com idade igual ou superior a 60 .

PONTO IMPORTANTE

Dados ausentes

Primeiramente, observe a figura abaixo que apresenta os percentual de dados faltantes para cada variável.

DataExplorer::plot_missing(df)

Repare nas colunas vermelha e lilás. Para essas varáveis, a quantidade de dados faltantes é elevada e, se forem fundamentais para o seu trabalho, não será possível realizar as analises devido ao pequeno tamanho amostral.

Dê uma olhada na tabela abaixo (50 primeiras linhas) a quatidade de dado faltante (expresso como NA):

knitr::kable(df[1:50,])
SEQN HUQ010 HUQ071 HUD080 SDDSRVYR RIAGENDR RIDAGEYR RIDRETH1 DMDEDUC2 DMDMARTL INDFMIN2 WTINT2YR WTMEC2YR PAQ605 PAQ610 PAD615 PAQ620 PAQ625 PAD630 PAQ635 PAQ640 PAD645 PAQ650 PAQ655 PAD660 PAQ665 PAQ670 PAD675 PAD680 CDQ010 CDQ001 DIQ010 DIQ050 RXDUSE RXDCOUNT SMQ020 SMD030 SMQ040 SMQ050Q SMD641 SMD650 MCQ160B MCQ160C MCQ160D MCQ160E MCQ160F MCQ160O MCQ080 MCQ160L MCQ220 KIQ022 WTDRD1 DR1TKCAL DR1TPROT DR1TCARB DR1TSUGR DR1TFIBE DR1TTFAT DR1TSFAT DR1TMFAT DR1TPFAT DR1TCHOL WTDR2D DR2TKCAL DR2TPROT DR2TCARB DR2TSUGR DR2TFIBE DR2TTFAT DR2TSFAT DR2TMFAT DR2TPFAT DR2TCHOL BMXWT BMXHT BPXSY1 BPXDI1 BPXSY2 BPXDI2 BPXSY3 BPXDI3
83732 3 2 NA 9 1 62 3 5 1 10 134671.370 135629.507 2 NA NA 1 5 10 2 NA NA 2 NA NA 1 6 30 480 1 2 1 1 1 9 1 22 3 22 NA NA 2 2 2 2 2 2 1 2 1 2 92670.700 1781 76.03 193.29 42.31 23.6 79.24 23.430 31.897 18.528 138 69945.934 2744 133.60 281.64 118.40 15.9 121.59 40.420 42.428 26.813 635 94.8 184.5 128 70 124 64 116 62
83734 4 2 NA 9 1 78 3 3 1 5 12400.009 12575.839 2 NA NA 1 4 240 2 NA NA 2 NA NA 2 NA NA 480 1 1 1 2 1 7 1 14 3 16 NA NA 2 2 2 1 2 1 1 1 1 1 6529.620 2482 116.50 304.53 62.87 35.1 91.97 23.122 28.666 32.561 506 4928.422 1928 93.78 194.17 94.51 17.4 90.14 39.829 30.152 10.465 326 83.4 170.1 138 46 132 44 136 46
83737 3 2 NA 9 2 72 1 2 4 14 11252.312 10878.684 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 10 2 2 2 2 2 NA 2 NA NA NA NA NA 2 2 2 2 2 2 1 2 2 2 5360.309 1304 79.02 153.43 22.31 16.1 43.08 11.817 14.394 11.761 233 4314.250 663 26.80 100.77 23.99 11.9 19.28 4.639 8.133 5.001 186 64.4 150.0 116 58 122 58 120 60
83754 2 2 NA 9 2 67 2 5 1 6 10495.866 10191.914 2 NA NA 2 NA NA 2 NA NA 2 NA NA 1 5 35 360 1 1 2 2 1 3 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 16510.376 1896 48.90 230.26 116.72 9.9 88.38 40.810 26.126 15.542 251 17771.887 2086 64.38 300.69 144.97 9.4 71.61 18.409 25.795 20.980 638 117.8 164.1 124 76 116 64 116 76
83755 2 2 NA 9 1 67 4 5 2 5 14080.096 13991.639 2 NA NA 2 NA NA 1 2 180 2 NA NA 1 2 90 180 1 1 1 1 1 5 2 NA NA NA NA NA 2 2 1 2 2 2 2 2 2 2 22208.398 2279 51.44 364.15 210.07 29.0 74.42 26.711 21.593 19.883 111 22397.052 2758 110.88 332.16 179.57 26.2 93.05 29.119 26.735 28.348 370 97.4 183.8 132 84 136 82 132 78
83758 2 2 NA 9 1 80 3 5 2 9 30375.766 0.000 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 600 2 2 2 2 1 9 1 19 3 10 NA NA 2 2 2 2 1 2 2 2 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
83773 2 2 NA 9 2 80 3 3 2 7 37582.053 39939.419 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 120 2 2 2 9 1 7 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 27028.243 1444 53.52 215.48 126.49 8.8 41.90 16.838 12.489 8.429 337 20227.705 1736 65.18 270.99 141.29 32.3 52.84 11.592 22.199 13.631 143 67.7 149.8 148 56 146 68 142 68
83775 3 2 NA 9 2 69 2 1 4 2 7250.103 8799.981 2 NA NA 2 NA NA 1 7 90 2 NA NA 1 7 90 480 2 2 2 2 1 4 1 13 3 3 NA NA 2 2 2 2 2 2 2 2 1 2 14255.515 1648 45.09 236.44 126.75 16.2 61.49 30.253 17.415 8.040 197 18402.596 1143 43.75 172.67 90.69 9.9 32.99 12.870 11.122 6.463 150 77.7 160.2 140 56 132 48 130 60
83785 3 2 NA 9 2 60 2 5 3 15 10495.866 10191.914 2 NA NA 2 NA NA 2 NA NA 2 NA NA 1 3 60 300 2 2 1 2 1 5 1 16 3 30 NA NA 2 2 2 2 2 2 1 2 2 2 0.000 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 75.6 145.2 142 74 136 74 140 74
83787 3 2 NA 9 2 68 1 1 3 4 8842.350 10732.607 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 60 1 2 2 2 1 3 2 NA NA NA NA NA 2 2 2 2 2 2 1 2 2 2 17386.270 1781 60.52 282.07 124.96 23.2 50.27 14.624 17.661 11.283 264 22444.120 2490 105.10 344.80 186.07 32.8 86.04 23.593 31.996 21.681 490 77.4 152.0 122 58 124 58 120 58
83788 1 2 NA 9 2 69 3 4 1 7 50114.532 49234.971 1 3 240 1 4 180 2 NA NA 2 NA NA 2 NA NA 120 2 2 2 2 1 1 1 16 3 66666 NA NA 2 2 2 2 2 2 2 2 2 2 73617.623 2193 88.01 260.07 129.69 15.3 92.98 33.567 28.008 21.677 150 88367.244 3786 185.95 471.72 181.55 37.9 139.77 34.990 54.432 38.417 405 84.0 164.6 146 70 148 72 150 78
83789 3 2 NA 9 1 66 3 5 6 9 181684.439 181461.242 2 NA NA 1 3 60 2 NA NA 2 NA NA 1 7 40 300 2 2 2 2 1 5 2 NA NA NA NA NA 2 2 2 2 2 2 1 2 1 2 123985.854 1792 71.79 136.27 63.51 8.2 96.03 48.298 27.294 9.221 341 93581.967 4417 165.16 494.68 304.74 33.7 207.62 51.539 67.582 66.905 591 102.9 173.9 160 0 162 48 168 44
83791 4 2 NA 9 2 80 3 2 1 12 59524.529 62213.984 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 120 2 2 2 2 1 5 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 42102.131 735 24.95 75.77 46.30 3.1 38.14 11.931 12.513 10.700 84 31508.874 1107 54.15 151.31 73.52 11.8 33.42 8.695 13.095 8.789 185 78.6 167.6 120 64 132 62 136 62
83801 3 2 NA 9 2 80 3 5 1 77 59053.937 61722.130 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 540 2 2 2 2 1 3 1 21 3 99999 NA NA 1 2 2 2 2 2 2 2 1 2 28071.220 3308 122.89 371.74 175.87 29.8 155.16 30.050 46.310 60.415 514 21008.260 2176 70.03 236.43 94.77 17.5 110.16 27.963 33.438 35.411 520 58.5 157.1 150 76 134 56 132 64
83812 2 2 NA 9 2 68 1 3 1 15 10255.968 9985.162 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 180 2 2 1 2 1 4 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 4920.040 1275 34.04 175.15 114.04 8.3 37.04 12.230 12.295 7.698 104 14523.159 844 33.04 116.95 57.28 6.6 28.34 6.777 11.933 6.608 77 63.7 147.9 124 56 114 66 118 0
83818 3 1 1 9 2 80 2 1 2 3 7124.422 8609.625 2 NA NA 2 NA NA 1 5 30 2 NA NA 2 NA NA 300 2 2 2 2 1 4 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 1 6312.384 1071 41.12 143.42 54.83 11.5 38.13 16.097 11.598 6.764 167 5080.528 1390 57.31 171.29 102.00 7.0 47.70 20.645 14.193 7.706 209 72.3 159.2 158 60 154 62 146 56
83820 2 2 NA 9 1 70 3 5 6 8 56259.362 57057.111 2 NA NA 1 5 300 2 NA NA 2 NA NA 1 4 180 240 2 2 2 2 2 NA 1 20 3 48 NA NA 2 2 2 2 2 2 2 2 2 2 26200.064 2063 75.81 194.91 68.95 24.9 116.83 22.164 49.085 37.780 189 19775.268 2616 77.99 274.31 66.37 19.9 137.44 48.030 36.255 35.865 306 81.7 173.8 144 54 144 58 142 52
83821 5 2 NA 9 1 80 3 1 2 3 15513.742 16856.902 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 420 1 1 2 2 1 14 1 14 3 16 NA NA 2 2 2 1 1 2 2 2 1 2 25448.258 2436 89.15 321.72 124.70 23.2 92.07 31.993 32.017 20.694 178 0.000 NA NA NA NA NA NA NA NA NA NA 79.8 165.7 168 70 164 78 168 76
83827 2 2 NA 9 1 61 4 3 1 10 14080.096 15028.727 2 NA NA 2 NA NA 2 NA NA 2 NA NA 1 2 45 540 2 2 2 2 1 1 1 15 3 20 NA NA 2 2 2 2 2 2 2 2 2 1 23854.528 2085 60.12 257.98 84.80 15.6 91.59 29.907 30.584 25.426 181 28851.211 2199 67.28 261.19 114.02 10.0 99.36 32.785 33.148 28.283 320 93.0 177.5 134 94 140 96 132 96
83834 3 2 NA 9 1 69 4 3 5 3 11885.517 12267.521 2 NA NA 2 NA NA 2 NA NA 2 NA NA 1 3 20 420 1 1 2 2 1 3 1 15 3 7 NA NA 2 2 2 2 1 2 1 2 2 2 8812.790 2222 80.45 257.97 92.40 7.8 97.27 32.616 37.088 21.266 554 6645.473 1036 31.39 133.99 43.66 6.2 42.17 19.029 12.368 7.079 108 87.7 176.4 146 86 144 90 128 88
83843 3 1 1 9 1 80 3 4 1 8 17184.348 18517.465 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 600 2 2 2 2 1 3 1 14 3 66666 NA NA 2 2 2 2 2 2 2 2 1 2 27955.149 1743 66.35 193.87 44.17 12.7 79.35 26.232 31.905 15.415 472 28219.088 1930 100.72 295.25 60.31 26.0 41.70 17.906 10.897 6.999 202 78.3 179.7 196 100 194 102 164 98
83849 4 1 4 9 1 71 2 4 1 6 11138.899 11258.827 2 NA NA 2 NA NA 1 5 15 2 NA NA 1 2 10 180 2 2 1 1 1 9 1 19 1 NA 30 4 1 1 2 1 2 1 2 2 2 2 5601.171 1192 33.89 151.41 80.65 6.3 51.20 19.475 16.405 11.627 375 0.000 NA NA NA NA NA NA NA NA NA NA 80.3 170.6 132 44 124 40 136 46
83861 4 2 NA 9 1 80 3 5 3 8 43427.972 0.000 2 NA NA 2 NA NA 1 7 60 1 7 60 2 NA NA 180 1 1 2 2 1 6 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
83869 4 2 NA 9 2 67 3 5 3 4 37858.790 37505.347 2 NA NA 1 7 30 2 NA NA 2 NA NA 2 NA NA 240 1 1 2 2 1 5 1 19 1 NA 30 30 2 2 2 1 2 1 2 2 1 2 17057.429 1060 33.40 121.88 43.10 4.6 48.44 18.756 14.590 11.553 397 12765.633 1523 49.69 122.55 18.27 8.0 92.03 21.946 34.347 29.902 268 61.3 160.2 138 80 146 86 146 86
83872 5 2 NA 9 1 63 1 3 2 99 8012.501 7738.996 1 7 240 1 5 240 1 3 30 2 NA NA 2 NA NA 360 1 2 1 2 1 2 2 NA NA NA NA NA 9 9 2 1 2 2 2 9 2 1 12657.793 1416 60.43 227.14 81.50 18.7 31.95 10.471 10.001 5.231 122 16479.552 2882 100.59 282.29 93.04 23.1 150.29 59.980 61.170 14.776 300 67.2 170.0 134 62 136 54 134 66
83876 2 2 NA 9 2 71 3 3 3 2 45307.965 51541.657 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 480 2 2 2 2 1 3 1 25 3 36 NA NA 2 2 2 2 2 2 2 2 1 2 77066.650 1001 83.22 106.16 29.82 14.2 29.41 10.273 10.173 6.229 178 92507.298 478 15.22 60.77 7.05 4.2 19.22 5.870 6.144 6.208 15 61.5 152.7 164 86 168 76 166 84
83880 4 2 NA 9 2 79 3 1 1 3 44576.005 46534.060 2 NA NA 2 NA NA 1 2 12 2 NA NA 2 NA NA 240 1 2 2 2 1 4 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 69579.139 472 15.58 87.31 33.59 5.9 7.73 3.945 1.816 0.914 9 0.000 NA NA NA NA NA NA NA NA NA NA 49.7 143.9 106 50 104 50 102 50
83883 4 2 NA 9 2 80 1 2 5 2 12211.035 11641.229 2 NA NA 2 NA NA 2 NA NA 2 NA NA 1 4 30 240 2 2 2 2 1 3 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 18858.191 1917 90.42 177.88 65.11 13.0 96.24 24.602 36.823 28.043 385 24344.238 2520 114.06 332.67 160.33 27.9 85.22 28.365 29.972 20.445 171 46.7 152.4 150 76 142 70 144 70
83884 4 1 1 9 1 61 1 3 1 4 8261.763 8113.690 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 480 1 1 2 2 1 2 1 13 1 NA 28 10 2 2 2 2 1 2 2 1 2 2 13270.639 3059 53.71 537.01 276.42 33.1 84.18 32.299 27.125 17.144 67 17277.433 874 24.41 117.98 4.74 21.0 35.45 4.329 17.287 11.210 0 62.2 167.0 114 66 116 68 118 72
83886 2 2 NA 9 1 74 3 5 1 6 18954.717 18906.150 2 NA NA 2 NA NA 1 7 60 1 5 30 1 4 60 480 2 2 1 2 1 3 1 20 3 66666 NA NA 2 2 2 2 2 2 2 2 2 2 28541.933 1992 60.18 97.62 28.48 11.5 54.92 20.119 19.608 11.482 126 34552.870 2293 57.97 208.38 85.15 9.6 96.54 27.908 36.036 26.264 595 84.1 175.9 142 60 140 64 146 58
83893 3 2 NA 9 2 68 1 1 1 4 9256.485 0.000 2 NA NA 2 NA NA 2 NA NA 2 NA NA 1 7 30 120 1 2 2 2 2 NA 2 NA NA NA NA NA 2 1 2 2 2 2 2 2 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
83894 3 2 NA 9 1 60 4 3 1 8 11029.710 14849.610 2 NA NA 1 7 240 2 NA NA 2 NA NA 2 NA NA 180 1 1 2 2 2 NA 1 13 1 NA 30 20 2 2 2 2 2 2 2 1 2 2 10667.721 1247 33.44 127.50 61.63 5.4 19.28 5.433 7.494 4.305 89 8044.224 3862 84.30 396.51 122.25 17.3 105.36 17.233 38.031 41.520 206 58.9 173.1 166 100 176 92 178 84
83895 4 1 3 9 2 80 3 3 2 4 36609.714 38906.089 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 600 2 2 2 2 1 6 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 17694.486 1769 61.69 225.87 95.18 10.8 71.24 20.788 25.033 16.573 176 13242.402 1742 55.67 202.87 85.39 9.8 79.87 28.710 26.336 19.210 208 56.2 154.5 134 64 138 64 136 66
83904 4 2 NA 9 2 80 4 2 1 3 16549.772 0.000 1 7 9999 1 7 9999 2 NA NA 2 NA NA 2 NA NA 120 1 1 2 2 1 2 2 NA NA NA NA NA 2 2 2 1 2 2 1 2 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
83915 4 1 2 9 1 71 1 4 6 6 12060.355 12158.220 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 240 2 2 1 2 1 3 1 16 3 7 NA NA 2 1 2 2 2 2 2 1 2 2 19885.816 2813 85.17 361.19 112.97 28.1 95.27 32.557 33.230 21.494 128 0.000 NA NA NA NA NA NA NA NA NA NA 90.0 173.6 188 74 190 74 186 84
83920 4 2 NA 9 2 68 1 1 1 3 9719.310 9306.463 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 240 2 2 3 2 1 5 2 NA NA NA NA NA 2 2 2 2 2 2 1 2 2 2 4585.621 1208 51.43 161.61 44.49 18.4 40.99 13.167 14.504 10.681 355 13536.009 1344 43.15 231.65 79.98 16.7 30.48 11.231 10.020 6.520 44 85.7 156.0 118 70 122 70 116 62
83925 3 2 NA 9 2 74 2 3 2 8 11817.131 12379.093 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 360 2 2 2 2 1 1 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 9076.074 1052 52.36 116.73 50.14 6.0 41.99 14.801 15.013 8.543 329 7304.886 1269 85.83 143.71 35.00 12.0 39.76 13.567 15.195 6.644 184 57.9 154.1 148 70 142 70 146 74
83926 3 2 NA 9 1 66 3 4 1 9 114108.867 113023.592 1 3 240 1 2 120 2 NA NA 2 NA NA 2 NA NA 300 2 2 1 2 1 6 1 16 1 NA 30 10 2 2 2 2 2 1 2 2 1 2 170627.645 2018 91.97 240.34 143.91 9.7 81.47 27.608 34.070 13.953 531 206561.864 2550 52.19 332.38 168.28 28.2 101.73 43.945 33.319 16.890 163 77.8 170.5 126 62 124 54 118 60
83927 3 1 1 9 2 66 5 5 1 10 19836.672 0.000 2 NA NA 2 NA NA 2 NA NA 1 2 30 1 2 30 540 2 1 3 2 1 6 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 1 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
83928 4 2 NA 9 2 62 1 3 1 NA 9632.696 9223.528 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 9999 2 2 2 2 2 NA 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 5138.885 601 23.09 90.68 22.86 4.3 16.74 6.203 5.758 3.292 40 15169.156 579 20.41 62.06 12.51 3.8 27.59 8.597 10.554 6.949 44 55.4 154.0 124 72 122 68 124 72
83932 2 2 NA 9 2 80 3 4 1 8 47792.367 50790.182 2 NA NA 1 2 60 2 NA NA 2 NA NA 1 5 40 360 2 2 2 2 1 5 2 NA NA NA NA NA 2 2 2 2 1 2 2 2 2 2 75943.022 2006 102.87 217.17 143.95 13.9 82.70 29.901 25.290 20.434 532 91158.547 1441 82.64 182.52 124.27 8.2 43.89 17.203 13.215 9.250 168 65.7 156.3 178 68 186 70 172 74
83937 2 2 NA 9 2 75 5 1 2 8 20928.332 22485.677 2 NA NA 1 7 180 1 7 30 2 NA NA 2 NA NA 240 2 2 2 2 1 2 1 25 3 25 NA NA 2 2 2 2 2 2 2 2 2 2 13533.234 1912 67.33 312.21 130.93 22.2 48.20 14.420 18.922 10.684 601 0.000 NA NA NA NA NA NA NA NA NA NA 56.4 152.3 126 64 128 64 126 64
83941 5 1 2 9 1 71 2 3 1 NA 7167.008 7124.585 1 3 30 1 3 15 1 3 10 1 6 20 1 6 30 180 1 2 1 2 1 13 1 20 3 40 NA NA 2 2 2 2 2 2 2 2 2 1 3544.420 1635 137.40 175.56 51.51 25.2 43.26 13.632 17.422 7.472 339 10551.858 1326 53.53 193.37 42.69 15.7 37.38 12.763 13.043 7.852 487 68.9 166.6 134 66 134 66 130 64
83944 2 2 NA 9 1 75 4 4 6 4 12242.238 12818.137 2 NA NA 2 NA NA 1 1 15 2 NA NA 2 NA NA 480 1 2 1 2 1 5 1 15 3 2 NA NA 2 2 2 2 2 2 2 2 2 2 6997.521 2710 82.49 394.21 202.53 14.6 71.55 21.830 27.424 17.808 671 19352.352 2378 55.92 313.50 167.45 7.4 69.89 24.534 24.775 14.291 300 92.3 173.0 NA NA 164 60 146 68
83949 3 2 NA 9 2 78 3 3 2 6 48991.552 51570.787 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 720 2 2 1 1 1 11 2 NA NA NA NA NA 2 2 2 2 2 2 1 2 1 2 77110.207 1685 84.75 225.96 103.48 8.1 50.75 20.028 16.439 9.956 513 77179.471 2474 104.80 311.29 141.93 25.1 97.45 29.545 29.606 31.289 176 78.9 160.0 108 56 114 62 120 50
83964 3 2 NA 9 2 72 5 2 1 10 22245.321 23978.556 2 NA NA 2 NA NA 2 NA NA 2 NA NA 1 1 10 240 2 2 2 2 1 1 2 NA NA NA NA NA 2 2 2 2 2 2 2 2 2 2 21474.068 1291 46.27 161.95 82.95 8.3 52.10 14.442 17.457 17.203 62 0.000 NA NA NA NA NA NA NA NA NA NA 67.0 149.4 124 74 118 74 122 74
83973 2 2 NA 9 1 63 3 5 1 15 163538.991 161983.592 2 NA NA 2 NA NA 2 NA NA 1 4 30 1 2 60 300 2 2 2 2 1 1 1 20 3 31 NA NA 2 2 2 2 2 2 1 2 2 2 0.000 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 93.1 178.1 154 88 144 82 136 90
83975 3 2 NA 9 2 65 2 3 1 14 10495.866 10191.914 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 300 2 2 2 2 1 5 2 NA NA NA NA NA 2 2 2 2 2 2 1 2 2 2 16510.376 2382 82.24 286.68 82.47 37.4 102.91 27.675 34.745 33.357 173 21313.420 1517 111.82 141.47 57.97 17.7 61.36 18.404 24.346 13.703 260 77.6 155.3 138 50 136 52 128 50
83976 2 2 NA 9 1 80 3 4 2 5 42153.093 45423.218 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 360 2 1 2 2 1 2 1 17 3 37 NA NA 2 2 2 2 2 2 2 2 2 2 0.000 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 74.6 169.5 148 66 156 54 150 52
83977 3 2 NA 9 2 80 3 3 1 7 55881.166 58406.005 2 NA NA 2 NA NA 2 NA NA 2 NA NA 2 NA NA 480 1 2 2 2 1 8 2 NA NA NA NA NA 2 2 2 2 2 2 1 2 2 2 87330.431 1346 29.73 213.29 100.90 8.8 44.25 16.489 16.713 7.470 53 87408.875 1939 70.29 233.85 117.68 8.3 85.33 40.961 25.051 11.881 249 48.2 152.1 204 58 206 56 206 54

O QUE PRECISA FAZER!?

Step 2- Renomear as variáveis

Precisamos renomear as variáveis para que possamos trabalhar com elas com mais facilidade na fase de modelagem.

Faça um documento em word seguindo o formato;

(

novo_nome = nome_antigo,

)

IMPORTANTE: Não use caracteres especiais, letras maiúsculas nem hífen. Tente usar um formato curto e se precisar use underline.

Step 2 - Checar as variáveis 1 a 1

Verifique porque a quantidade de dados faltantes. Em particular, para a variável que é desfecho do seu trabalho;

*Obs* Para as variáveis de atividade física, eu imagino que as variáveis com grande número de dados faltantes não são determinantes para a quantificar o nível de atividade física. Mas veja certinho o que é cada uma delas.

Step 3 - Precisa criar alguma variável?

Neste etapa é quando devemos criar alguma variável. Você pretende criar alguma?

Por exemplo, se você pegou as variáveis peso e estatura, pode querer calcular o IMC.

Precisa me indicar as variáveis que deseja que calcula e, claro, com o cálculo que devo utilizar.