перекодируем переменную по образованию в 2 группы

df<-df %>% 
  mutate(V6_obr=case_when(
    V6<=3 ~ "Без высшего образования",
    V6==4 | V6==5 ~ "С высшим образованием"
  ))

скорректируем ответы по поводу уверенности в нахождении заработка

df<-df %>% 
  mutate(V21_not=case_when(
    V21==5 ~ NA,
    V21==99 ~ NA,
    .default=as.integer(V21)
  ))

проведем тест Мана-Уитни

wilcox.test(V21_not~V6_obr, data = df)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  V21_not by V6_obr
## W = 43706, p-value = 0.03438
## alternative hypothesis: true location shift is not equal to 0

результаты теста по критерию Мана-Уитни показывают, что между выборками есть статистически значимые различия (хотя результаты далее покажут, что медианы равны).
визуализируем

library(ggstatsplot)
## You can cite this package as:
##      Patil, I. (2021). Visualizations with statistical details: The 'ggstatsplot' approach.
##      Journal of Open Source Software, 6(61), 3167, doi:10.21105/joss.03167
ggbetweenstats(df, V6_obr, V21_not, xlab = "Образование", type="nonparametric")
## Warning in min(x): у 'min' нет не пропущенных аргументов; возвращаю Inf
## Warning in max(x): у 'max' нет не пропущенных аргументов; возвращаю -Inf

при этом медианные значения совпадают вне завивисмости от наличия образования. То есть количество уверенных и неуверенных примерно одинаково. Это можно объяснить тем, что хоть какой-то заработок (на том же подсобном хозяйстве) или подработки респонденты смогут найти, а с другой стороны, часть респондентов сомневается, что найдет подходящую работу. По графику также заметно, что распределение ответов среди респондентов без высшего образования равномерное, а респонденты с высшим образованием реже неуверены в этом.


задание 2.
трансформация а10

library(car)
## Загрузка требуемого пакета: carData
## 
## Присоединяю пакет: 'carData'
## Следующие объекты скрыты от 'package:BSDA':
## 
##     Vocab, Wool
## 
## Присоединяю пакет: 'car'
## Следующий объект скрыт от 'package:dplyr':
## 
##     recode
df<-df %>% 
  mutate(V10_bogat=case_when(
    V10<=2 ~ "низкие доходы",
    V10==3 ~ "средние доходы",
    V10>=4 ~ "высокие доходы"
  ))

Сравним важность соблюдения традиций и образование с использованием т-теста

leveneTest(V18_3~V6_obr, data = df)
## Warning in leveneTest.default(y = y, group = group, ...): group coerced to
## factor.
## Levene's Test for Homogeneity of Variance (center = median)
##        Df F value Pr(>F)
## group   1  0.6404 0.4238
##       840
t.test(V18_3~V6_obr, data = df)
## 
##  Welch Two Sample t-test
## 
## data:  V18_3 by V6_obr
## t = 0.78894, df = 740.15, p-value = 0.4304
## alternative hypothesis: true difference in means between group Без высшего образования and group С высшим образованием is not equal to 0
## 95 percent confidence interval:
##  -0.07070283  0.16570929
## sample estimates:
## mean in group Без высшего образования   mean in group С высшим образованием 
##                              3.458947                              3.411444

Принимается нулевая гипотеза об отсутствии различий
Сравним важность соблюдения традиций и материального положения

kruskal.test(V18_3 ~ V10_bogat, data = df)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  V18_3 by V10_bogat
## Kruskal-Wallis chi-squared = 13.604, df = 2, p-value = 0.001112
pairwise.wilcox.test(df$V18_3, df$V10_bogat,  p.adjust.method = "BH")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  df$V18_3 and df$V10_bogat 
## 
##                высокие доходы низкие доходы
## низкие доходы  0.0015         -            
## средние доходы 0.0199         0.0182       
## 
## P value adjustment method: BH

Наблюдаем статистически значимые различия между ответами от людей с разным материальным положением во всех 3 группах.

К сожалению, визуализация смогла загрузиться только один раз (и не дает сшиваться документу): для людей с низким материальным положением наиболее важно сохранять традиции своего народа. Вероятно, это связано с тем, что это были люди, которые ведут традиционный образ жизни, поэтому повседневные практики включают и это.
library(ggstatsplot)
ggbetweenstats(
df,
x = V10_bogat,
y = V18_3,
type = “non-parametric”,
xlab = “богатство”
)