2. Domaca Naloga, Ervin Rastoder
2024-01-07
- RAZISKOVALNO VPRAŠANJE
Za oba raziskovalna vprašanja sem uporabljal isti vir ki sem ga našel na spletni strani https://www.kaggle.com/datasets/adityaab1407/employee-productivity-and-satisfaction-hr-data “Employee Productivity and Satisfaction HR Data”.
ALI SO MED MOŠKIMI IN ŽENSKAMI RAZLIKE V PRODUKTIVNOSTI NA DELOVNEM MESTU?
1.1 PODATKI
podatki <- read.table("~/Documents/Program R /Domaca naloga 1 primer/hr_dashboard_data.csv", header = TRUE, sep = ",", dec = ".")
head(podatki)## Name Age Gender Projects.Completed Productivity....
## 1 Douglas Lindsey 25 Male 11 57
## 2 Anthony Roberson 59 Female 19 55
## 3 Thomas Miller 30 Male 8 87
## 4 Joshua Lewis 26 Female 1 53
## 5 Stephanie Bailey 43 Male 14 3
## 6 Jonathan King 24 Male 5 63
## Satisfaction.Rate.... Feedback.Score Department Position Joining.Date
## 1 25 4.7 Marketing Analyst Jan-20
## 2 76 2.8 IT Manager Jan-99
## 3 10 2.4 IT Analyst Jan-17
## 4 4 1.4 Marketing Intern Jan-22
## 5 9 4.5 IT Team Lead Jan-05
## 6 33 4.2 Sales Junior Developer Jan-21
## Salary
## 1 63596
## 2 112540
## 3 66292
## 4 38303
## 5 101133
## 6 48740- Name: Ime zaposlenega
- Age: Starost zaposlenega v letih
- Gender:Spol osebe, Male = Moški, Female = Ženska
- Projects.Completed: Število zaključenih projektov
- Productivity…: Produktivnost v % (0-100%)
- Satisfaction.Rate….: Zadovoljstvo z zaposlitvijo v % (0-100%)
- Feedback.Score: Ocena povratnih informacij od 1 do 5
- Department: Oddelek
- Joining.Date: datum zaposlitve
- Salary: Plača v USD
summary(podatki[ ,c("Gender", "Productivity....")])## Gender Productivity....
## Length:200 Min. : 0.00
## Class :character 1st Qu.:23.00
## Mode :character Median :45.00
## Mean :46.76
## 3rd Qu.:70.00
## Max. :98.001.2 ANALIZA
shapiro.test(podatki[podatki$Gender == 'Male',]$Productivity) #Shapiro test s katerim preverimo ali so podatki normalno porazdeljeni. V mojem primeru je za moški spol p vrednost manjša od 0.05 kar pomeni, da podatki niso normalno porazdeljeni ##
## Shapiro-Wilk normality test
##
## data: podatki[podatki$Gender == "Male", ]$Productivity
## W = 0.95658, p-value = 0.002309shapiro.test(podatki[podatki$Gender == 'Female',]$Productivity) #enak preizkus sem opravil tudi za ženski spol in podatki pavtako niso normalno porazdeljeni, kar pomeni, da bomo morali opraviti neparametrični preizkus. ##
## Shapiro-Wilk normality test
##
## data: podatki[podatki$Gender == "Female", ]$Productivity
## W = 0.95269, p-value = 0.001254library(psych)describeBy(podatki$Productivity...., g = podatki$Gender) #opisna statistika za oba spola ##
## Descriptive statistics by group
## group: Female
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 100 42.97 28.24 41 42.02 35.58 0 96 96 0.23 -1.08 2.82
## ------------------------------------------------------------
## group: Male
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 100 50.54 28.46 47 50.64 34.1 0 98 98 0.04 -1.16 2.85Spodaj je opis podatkov iz opisne statistike. Ker gre v mojem primeru za neparametričen preizkus sem osredotočen na mediano.
Iz opisne statistike za ženske lahko razberem sledeče:
- Pri ženskah je v vzorec vzetih 100 žensk,
- povprečna produktivnost žensk v izbranem vzorcu je bila 42.97%,
- standardni odklon znaša 28.24 in nam pove kako so podatki razpršeni,
- mediana vzorca žensk znaša 41% kar pomeni, da ima 50% žensk produktivnost 41% ali manj, preostale pa imajo več,
- najvišja izmerjena produktivnost je bila 96% ter najnižja je bila 0,
- range nam pove kolikšen je razpon med minimalno vrednostjo in maksimalno.
- Skew nam pove stopnjo in smer asimetrije, v mojem primeru je rahko asimetrična v desno
Iz opisne statistike za moške lahko razberem sledeče:
- Pri ženskah je v vzorec vzetih 100 moških,
- povprečna produktivnost žensk v izbranem vzorcu je bila 50.54%,
- standardni odklon znaša 28.24 in nam pove kako so podatki razpršeni,
- mediana vzorca moških znaša 47% kar pomeni, da ima 50% moških produktivnost 47% ali manj, preostali pa imajo več,
- najvišja izmerjena produktivnost je bila 98% ter najnižja je bila 0,
- range nam pove kolikšen je razpon med minimalno vrednostjo in maksimalno.
- Skew nam pove stopnjo in smer asimetrije, v mojem primeru je zelo rahko asimetrična v desno
1.3. UGOTOVITVE
wilcox.test(podatki$Productivity.... ~ podatki$Gender,
paired = FALSE,
correct = FALSE,
exact = FALSE,
alternative = "two.sided")##
## Wilcoxon rank sum test
##
## data: podatki$Productivity.... by podatki$Gender
## W = 4233, p-value = 0.06089
## alternative hypothesis: true location shift is not equal to 0Na podlagi vzorčnih podatkov nisem uspel ugotoviti, da bi se mediani produktivnosti na delovnem mestu med moškimi in ženskami razlikovali pri p=0.06089. To pomeni, da nemorem zavrniti H0.
OPRAVIL BOM ŠE PARAMETRIČNI PREIZKUS:
podatki$GenderF <- factor(podatki$Gender,
levels = c("Male", "Female"),
labels = c(1, 2))Da bi lahko izračunal Levenov test homogenosti sem moral spremeljivko Gender spremeniti v factor.
#install.packages("car")
library(car)## Loading required package: carData##
## Attaching package: 'car'## The following object is masked from 'package:psych':
##
## logitleveneTest(podatki$Productivity...., podatki$GenderF)## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 1 0.0096 0.9222
## 198H0= homogenost varianc H1= heterogenost varianc
Levenov test uporabljamo za preizkušanje enakosti varianc. V mojem prmeru je p>0.05 kar potrjuje, da so variance homogene in nemoremo zavrniti H0.
ANOVA <- aov(Productivity.... ~ GenderF,
data = podatki)
summary(ANOVA)## Df Sum Sq Mean Sq F value Pr(>F)
## GenderF 1 2865 2865.2 3.565 0.0605 .
## Residuals 198 159114 803.6
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Na podlagi analize variance nemorem zavrniti H0 saj je p=0.0605 in sprejmem sklep, da nemorem z zagtovostjo trditi, da se produktivnost med spoloma razlikuje.
UGOTOVITVE:
Na podlagi obeh preizkusov sem ugotovil, da je za moje raziskovalno vprašanje bolj primeren neparametričen.
ODGOVOR: NA PODLAGI VZORČNIH PODATKOV SEM UGOTOVIL DA NEMOREM Z ZAGOTOVOSTJO TRDITI, DA SE PRODUKTIVNOST MED SPOLOMA RAZLIKUJE.
- RAZISKOVALNO VPRAŠANJE
ALI NA ŠTEVILO ZAKLJUČENIH PROJEKTOV VPLIVA STAROST, PRODUKTIVNOST, ZADOVOLJSTVO ZAPOSLENIH IN PLAČE?
Zgoraj omenjene spremenljivke sem si izbral, ker predvidevam, da vplivajo na število zaključenih projektov. Izbral sem si jih zato saj me zanima kolikšen vpliv dejansko imajo.
2.1 PODATKI
head(podatki)## Name Age Gender Projects.Completed Productivity....
## 1 Douglas Lindsey 25 Male 11 57
## 2 Anthony Roberson 59 Female 19 55
## 3 Thomas Miller 30 Male 8 87
## 4 Joshua Lewis 26 Female 1 53
## 5 Stephanie Bailey 43 Male 14 3
## 6 Jonathan King 24 Male 5 63
## Satisfaction.Rate.... Feedback.Score Department Position Joining.Date
## 1 25 4.7 Marketing Analyst Jan-20
## 2 76 2.8 IT Manager Jan-99
## 3 10 2.4 IT Analyst Jan-17
## 4 4 1.4 Marketing Intern Jan-22
## 5 9 4.5 IT Team Lead Jan-05
## 6 33 4.2 Sales Junior Developer Jan-21
## Salary GenderF
## 1 63596 1
## 2 112540 2
## 3 66292 1
## 4 38303 2
## 5 101133 1
## 6 48740 1- Name: Ime zaposlenega
- Age: Starost zaposlenega v letih
- Gender:Spol osebe, Male = Moški, Female = Ženska
- Projects.Completed: Število zaključenih projektov
- Productivity…: Produktivnost v % (0-100%)
- Satisfaction.Rate….: Zadovoljstvo z zaposlitvijo v % (0-100%)
- Feedback.Score: Ocena povratnih informacij od 1 do 5
- Department: Oddelek
- Joining.Date: datum zaposlitve
- Salary: Plača v USD
2.2 ANALIZA
library(car)
scatterplotMatrix(podatki[ , c("Age", "Projects.Completed", "Productivity....", "Satisfaction.Rate....", "Salary")], smooth=FALSE)
library(Hmisc)##
## Attaching package: 'Hmisc'## The following object is masked from 'package:psych':
##
## describe## The following objects are masked from 'package:base':
##
## format.pval, unitsrcorr(as.matrix(podatki[, c("Age", "Projects.Completed", "Productivity....", "Satisfaction.Rate....", "Salary")]))## Age Projects.Completed Productivity....
## Age 1.00 0.76 0.02
## Projects.Completed 0.76 1.00 0.06
## Productivity.... 0.02 0.06 1.00
## Satisfaction.Rate.... 0.04 -0.01 0.05
## Salary 0.83 0.87 0.03
## Satisfaction.Rate.... Salary
## Age 0.04 0.83
## Projects.Completed -0.01 0.87
## Productivity.... 0.05 0.03
## Satisfaction.Rate.... 1.00 -0.02
## Salary -0.02 1.00
##
## n= 200
##
##
## P
## Age Projects.Completed Productivity....
## Age 0.0000 0.7658
## Projects.Completed 0.0000 0.3854
## Productivity.... 0.7658 0.3854
## Satisfaction.Rate.... 0.6199 0.8792 0.4829
## Salary 0.0000 0.0000 0.7198
## Satisfaction.Rate.... Salary
## Age 0.6199 0.0000
## Projects.Completed 0.8792 0.0000
## Productivity.... 0.4829 0.7198
## Satisfaction.Rate.... 0.7970
## Salary 0.7970fit <- lm(Projects.Completed ~ + Age + Productivity.... + Satisfaction.Rate.... + Salary,
data = podatki)
vif(fit)## Age Productivity.... Satisfaction.Rate....
## 3.322670 1.003222 1.011425
## Salary
## 3.320714S preizkusom vif sem preveril ali je morda prisotna previsoka povezanost med izbranimi spremenljivkami.
Vrednost mora biti manjša od 5 in čimbližje 1. V mojem primeru so vse vrednosti manjše od 5 kar pomeni, da med pojasnjevalnimi spremenljivkami ni prevelike povezanosti.
mean(vif(fit))## [1] 2.164508S funkcijo mean vif sem preveril koliko znaša povprečje VIF statistike.
podatki$StdOstanki <- round(rstandard(fit), 3)
podatki$CooksD <- round(cooks.distance(fit), 3)
hist(podatki$StdOstanki,
xlab = "Standarizirani ostanki",
ylab = "Frekvenca",
main = "Histogram standardiziranih ostankov")
S histogramom standardizianih ostankov sem preveril morebitno prisotnost
osamelcev. Ker so vsi vzorci v intervalu med -3 in 3, nisem zavrgel
nobenega.
hist(podatki$CooksD,
xlab = "Cookove razdalje",
ylab = "Frekvenca",
main = "Histogram Cookovih razdalj")
S histogramom Cookovih razdalj sem preveril ali je morda katera enota z
močnim vplivom. V mojem primeru ni nobene enote, ki bi imela močen
vpliv.
podatki$StdOcenVrednosti <- scale(fit$fitted.values)
scatterplot(y = podatki$StdOstanki, x = podatki$StdOcenVrednosti,
ylab = "Standarizirani ostanki",
xlab = "Standardizirane ocenjene vrednosti",
smooth = FALSE)
Na zgornjem grafikonu lahko razberem, da je prisotna heteroskedastičnost
in linearnost.
summary(fit)##
## Call:
## lm(formula = Projects.Completed ~ +Age + Productivity.... + Satisfaction.Rate.... +
## Salary, data = podatki)
##
## Residuals:
## Min 1Q Median 3Q Max
## -7.5236 -2.1677 -0.3891 2.3984 6.6149
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -5.491e+00 9.440e-01 -5.816 2.43e-08 ***
## Age 6.202e-02 4.106e-02 1.510 0.133
## Productivity.... 8.876e-03 7.749e-03 1.145 0.253
## Satisfaction.Rate.... -3.537e-04 7.672e-03 -0.046 0.963
## Salary 1.879e-04 1.485e-05 12.654 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.114 on 195 degrees of freedom
## Multiple R-squared: 0.7687, Adjusted R-squared: 0.764
## F-statistic: 162 on 4 and 195 DF, p-value: < 2.2e-16Iz zgornjih podatkov lahko razberem, da ima spremenljivka b4 oziroma Salary (plača) vpliv na število končanih projektov. Če se plača poveča za eno enoto USD se število projektov poveča za 1.879e-04.
Za leta, produktivnost in Zadovoljstvo na delovnem mestu nemoremo z zagotovostjo trditi, da obstaja povezava z končanimi projekti.
Formula: Projects.Completed= -5.491e+00+6.202e-02Age+8.876e-03Productivity….-3.537e-04*Satisfaction.Rate….+1.879e-04Salary
Multiple R-squared: pojasnil sem 76,87% variabilnosti
#install.packages("ppcor")
library(ppcor)## Loading required package: MASSparcialna_korelacija <- pcor(podatki[ , c("Age", "Projects.Completed", "Productivity....", "Satisfaction.Rate....", "Salary")])
round(parcialna_korelacija$estimate, 2)## Age Projects.Completed Productivity....
## Age 1.00 0.11 -0.01
## Projects.Completed 0.11 1.00 0.08
## Productivity.... -0.01 0.08 1.00
## Satisfaction.Rate.... 0.09 0.00 0.05
## Salary 0.54 0.67 -0.04
## Satisfaction.Rate.... Salary
## Age 0.09 0.54
## Projects.Completed 0.00 0.67
## Productivity.... 0.05 -0.04
## Satisfaction.Rate.... 1.00 -0.06
## Salary -0.06 1.00Z parcialno korelacijo smo pojasnili kakšna je povezava med spremenljivkami. Povezava med Salary in Projects.Completed je pozitivna in srednje močna ob izločenemu vplivu Age, Projects.completed, Productivity… in Satisfaction.Rate.
#install.packages("lm.beta")
library(lm.beta)
lm.beta(fit)##
## Call:
## lm(formula = Projects.Completed ~ +Age + Productivity.... + Satisfaction.Rate.... +
## Salary, data = podatki)
##
## Standardized Coefficients::
## (Intercept) Age Productivity....
## NA 0.094813693 0.039511453
## Satisfaction.Rate.... Salary
## -0.001596825 0.794164302S zgornjo funkcijo izračunamo standardizirane regresijske koeficiente. Višja kot je absolutna vrednost bolje pojasnjuje. V našem primeru najbolje pojasnjuje Salary nato Age, Productivity…. in kot zadnja Satisfaction.Rate…