body {
   direction: rtl;
}

פרויקט מדעי הנתונים

מגישים:

נימרוד מנדלוביץ’ 207908971 (שאלה 1)
אור אברהם 316505031 (שאלה 2)
יובל דביר 319080784 (שאלה 3)
רון לוין 316006733 (שאלה 4)

השפעת מזג האויר על תאונות דרכים

מבוא

בחרנו לחקור בפרויקט זה את השפעות תנאי מזג האוויר על תאונות הדאכים.
כידוע ממוצע הנהרגים כתוצאה מתאונות דרכים הוא הגבוה ביותר ביחס לשאר סיבות המוות, ולכן סיקרן אותנו לדעת האם לתנאי מזג האוויר יש השפעה משמעותית על התרחשות התאונה.
נוסף על כך רצינו באמצעות מחקר זה ליידע את הציבור בנוגע לתוצאות מחקר זה, ודבר נוסף שעניין אותנו הוא כיצד השינויים בעקבות ההתחממות הגלובלית משפיעים על התרחשותן של תאונות הדרכים.
הנתונים נלקחו מאתר הלשכה המרכזית לסטטיסטיקה בנושא תאונות דרכים בישראל (תיק ת”ד מורחב - קובץ מקוצר), וגם ערכנו שני סקרים שהופצו במספר ערוצים במדיה שמכילות לפחות 300 תצפיות.
אוכלוסיית היעד:
בעלי רישיון נהיגה
בעלי יכולת כלכלית לרכישת רכב
מתעניינים בהשלכות התחממות כדור הארץ

שאלות והשערות המחקר

1. האם תנאי מזג האוויר משפיעים אחרת על חומרת תאונת דרכים בתאם לתחום הגיאגרפי?(נימרוד מנדלוביץ)

2. האם קיים קשר סטיטסטי בין תנאי הדרך לחומרת התאונה? (אור אברהם)

3. האם המשתנים המסבירים: מגדר,טווח גילאים,ותנאי מזג האוויר מהווים על סטטוס פגיעת הנהג בתאונת דרכים(נפגע/לאנפגע)? (יובל דביר)

4. האם ההוצאות הכלכליות על רכב בגין תאונות דרכים משתנות בהתאם לעונות? (רון לוין)

האם תנאי מזג האוויר משפיעים על תאונות דרכים?

שאלה 1 : האם תנאי מזג האוויר משפיעים אחרת על חומרת תאונת דרכים בהתאם לתחום הגיאוגרפי? (נימרוד מנדלוביץ’)

בדיקת קורלציה לנתוני השאלה מבחן קנדל – קוד מתוך https://education.rstudio.com /

## 
##  Kendall's rank correlation tau
## 
## data:  BIGDATA$HUMRAT_TEUNA and BIGDATA$MEZEG_AVIR
## z = -20.771, p-value < 2.2e-16
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
##        tau 
## -0.1280364

ניתן לראות כי תוצאת המבחן מובהקת ויש קשר שלילי

מבחן חי בריבוע לאי תלות – קוד מתוך https://education.rstudio.com /

ChiSqure- תחת תחום גאוגרפי ישראל

## 
##  Pearson's Chi-squared test
## 
## data:  Israel$MEZEG_AVIR and Israel$HUMRAT_TEUNA
## X-squared = 936.3, df = 10, p-value < 2.2e-16

תוצאת המבחן מובהקת יש קשר בין חומרת התאונה לתנאי מזג האוויר בתחום “ישראל”

ChiSqure- תחת תחום גאוגרפי יו”ש

## 
##  Pearson's Chi-squared test
## 
## data:  Yosh$MEZEG_AVIR and Yosh$HUMRAT_TEUNA
## X-squared = 19.618, df = 10, p-value = 0.03308

תוצאת המבחן מובהקת יש קשר בין חומרת התאונה לתנאי מזג האוויר בתחום “יו”ש”

לתוצאות מבחן חי בריבוע ביצעתי מבחן קרמר לבדיקת עוצמת הקשר

library(confintr)
### מבחן קרמר לתוצאות מבחן חי בריבוע
cramersv(israelx)
## [1] 0.1401472
cramersv(yoshx)
## [1] 0.09379334

ניתן לראות כי עוצמת הקשר בתחום “ישראל” חזקה יותר

התאמת הנתונים להצגות סטטיסטיות ולגרפים בהם השתמשתי

# Plot3D ----------------------------------------------------------------

library(plotly)
#Israel
# Create a frequency table
israel_freq <- table(Israel$MEZEG_AVIR, Israel$HUMRAT_TEUNA)

# Convert to dataframe for plotting
israel_plot_data <- as.data.frame(israel_freq)
names(israel_plot_data) <- c("MEZEG_AVIR", "HUMRAT_TEUNA", "Frequency")

# Correct way to create 3D plot with layout

# המילון שמתאים בין המספרים לתוויות
humrat_teuna_labels <- c("KATLANIT", "KASHA", "KALA")
mezeg_avir_labels <- c("BAHIR", "GASHOOM", "SHRAVI", "ARPILY", "OTHERS", "NO INFO")

# המרת הערכים לטקסט עם השמות המתאימים
israel_plot_data$HUMRAT_TEUNA <- factor(israel_plot_data$HUMRAT_TEUNA, levels = 1:3, labels = humrat_teuna_labels)
israel_plot_data$MEZEG_AVIR <- factor(israel_plot_data$MEZEG_AVIR, levels = c(1, 2, 3, 4, 5, 9), labels = mezeg_avir_labels)

סיכום נתונים – הצגה סטטיסטית – תחום גאוגרפי ישראל תדירויות תרחיש מכל משתנה

##    MEZEG_AVIR   HUMRAT_TEUNA   Frequency      
##  BAHIR  :3    KATLANIT:6     Min.   :    0.0  
##  GASHOOM:3    KASHA   :6     1st Qu.:   12.0  
##  SHRAVI :3    KALA    :6     Median :   49.0  
##  ARPILY :3                   Mean   : 1324.2  
##  OTHERS :3                   3rd Qu.:  700.8  
##  NO INFO:3                   Max.   :17499.0

סיכום נתונים – הצגה סטטיסטית – תחום גאוגרפי יו”ש תדירויות תרחיש מכל משתנה

##    MEZEG_AVIR   HUMRAT_TEUNA   Frequency     
##  BAHIR  :3    KATLANIT:6     Min.   :  0.00  
##  GASHOOM:3    KASHA   :6     1st Qu.:  0.50  
##  SHRAVI :3    KALA    :6     Median :  6.00  
##  ARPILY :3                   Mean   : 61.94  
##  OTHERS :3                   3rd Qu.: 38.00  
##  NO INFO:3                   Max.   :739.00

בנייה והצגת הגרף – קוד מתוך https://education.rstudio.com /

נצפה לגלות שבשנת הקורונה היו פחות תאונות דרכים מכל סוג בכל פילוח

הצגת 3 הגרפים להשוואה בין שנת קורונה (2020) לשנה אקראית אחרת (2013)

ניתן לראות כפי שציפינו לראות, כי בשנת הקורונה היו פחות תאונות דרכים מכל פילוח, למעט בחומרת תאונה קשה וקטלנית.

שאלה 2: האם קיים קשר סטיטסטי בין תנאי הדרך לחומרת התאונה?(אור אברהם)

ניתן לשער כי ככל שתנאי הדרך גרועים יותר (תנאי הדרך שבחרתי הם: רוחב הכביש ומצב פני הכביש) כך חומרת התאונה תהיה קטלנית יותר. אנחנו רגילים לחשוב שבתנאי דרך קשים יותר התאונות קטלניות יותר,ולכן נחקור את הנושא ונבדוק האם זה כך.
נבחן את מצב פני הכביש ורוחב הכביש לבין לדרגת חומרת התאונה

השערות:
לא קיים קשר : 𝐻0
קיים קשר : 𝐻1

ניתן לראות שרוב התאונות הינן קלות ולאחר מכן קשות ובתדירות הנמוכה ביותר תאונות קטלניות

ניתן לראות שהכביש יבש מתרחשות רוב התאונות,
וכ-5% כאשר הכביש רטוב, ובאחוזים אפסיים מתרחשות תאונות בשאר המצבים.

ניתן לראות שכאשר רוחב הכביש הוא בין 7-10.5 מטר מתרחשות כ-40% מהתאונות
וכ-30% מתרחשות כאשר רוחב הכביש הוא בין 5-7 מטר

נקח דגימה מקרית של 5,000 תצפיות על מנת להקל על זמן הריצה של המחשב

#############################דגימה מקרית של 5,000 רשומות#####################
x <- sample_n(relevant_Data,5000)

נבצע מבחן חי בריבוע כדי לבדוק האם קיים קשר סטטיסטי בין מצב פני הכביש לחומרת התאונה

################################מבחנים סטיסטיים############################
chisq.test(x$HUMRAT_TEUNA, x$PNE_KVISH)
## 
##  Pearson's Chi-squared test
## 
## data:  x$HUMRAT_TEUNA and x$PNE_KVISH
## X-squared = 56.663, df = 6, p-value = 2.137e-10

p-value > 0.05, ולכן נקבל את H0 ונסיק כי לא קיים קשר סטטיסטי בין מצב פני הכביש לחומרת התאונה.

מבחן א-פרמטרי ספירמן לבדיקת עוצמת הקשר בין מצב פני הכביש לחומרת התאונה

cor.test(x$HUMRAT_TEUNA,x$PNE_KVISH, method = "spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  x$HUMRAT_TEUNA and x$PNE_KVISH
## S = 2.0821e+10, p-value = 0.9669
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##          rho 
## 0.0005867281

rho קטן שואף ל-0 ולכן נסיק כי הקשר הוא מונוטוני חלש מאוד

נבצע מבחן חי בריבוע כדי לבדוק האם קיים קשר סטטיסטי בין רוחב הכביש לחומרת התאונה

chisq.test(x$HUMRAT_TEUNA, x$ROHAV,correct = FALSE)
## 
##  Pearson's Chi-squared test
## 
## data:  x$HUMRAT_TEUNA and x$ROHAV
## X-squared = 18.4, df = 8, p-value = 0.01842

p-value > 0.05, ולכן נקבל את H0 ונסיק כי לא קיים קשר סטטיסטי בין רוחב הכביש לחומרת התאונה.

מבחן א-פרמטרי ספירמן לבדיקת עוצמת הקשר בין רוחב הכביש לחומרת התאונה

cor.test(x$HUMRAT_TEUNA,x$ROHAV, method = "spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  x$HUMRAT_TEUNA and x$ROHAV
## S = 2.1111e+10, p-value = 0.3466
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##         rho 
## -0.01331389

rho קטן שואף ל-0 ולכן נסיק כי הקשר הוא מונוטוני חלש מאוד בין רוחב הכביש לחומרת התאונה

תרשים פיזור המציג את פיזור התאונות - במצבי כביש שונים ביחס לדרגת חומרת התאונה

ניתן להסיק מתרשים הפיזור שרוב בתאונות הינן קלות ומתרחשות שהכביש יבש, מעט מהן מתרחשות כאשר הכביש רטוב,
ניתן להסיק שלא קיים קשר סטיטסטי מובהק בין מצב פני הכביש לחומרת התאונה.

תרשים פיזור המציג את פיזור התאונות - ברוחבי שונים ביחס לדרגת חומרת התאונה

ניתן להסיק מתרשים הפיזור שרוב התאונות מתרחשות כשרוחב הכביש הינו בין 5-10.5 מטר,
ושהכביש צר (עד 5 מטר) וגם שהכביש רחב (יותר מ-14 מטר) ניתן לראות שאין הבדל משמעותי בפיזור לכל דרגות חומרת התאונה

##   SHNAT_TEUNA   HUMRAT_TEUNA PNE_KVISH ROHAV    
##  Min.   :2017   2017:11602   1:49928   1: 4092  
##  1st Qu.:2018   2018:11038   2: 3075   2:17244  
##  Median :2019   2019:11090   3:   31   3:21781  
##  Mean   :2019   2020: 9549   4:   15   4: 6984  
##  3rd Qu.:2020   2021: 9919   5:  149   5: 3097  
##  Max.   :2021

מהסיכום ניתן להסיק שרוב התאונות הינן קלות, ברובן התרחשו במצב יבש ומעט מהן הכאשר הכביש רטוב, ורוב התאונות התרחשו כאשר רוחב הכביש הוא בין 5-10.5 מטר

מסקנות:

במהלך המחקר שלנו חקרנו את את הקשר בין תנאי הדרך לחומרת התאונה ראינו כי רוב התאונות מתרחשות שהכביש יבש ורוחב הכביש הוא בין 5-10 מטר
בהיר ורוב התאונות הינן קלות. לבסוף הסקנו כי לא ניתן לקבוע קשר סטטיסטי בין תנאי הדרך לחומרת התאונה.

שאלה 3: האם המשתנים המסבירים: מגדר,טווח גילאים,ותנאי מזג האוויר מהווים השפעה על פגיעת הנהג בתאונת דרכים(נפגע/לא נפגע)? (יובל דביר)

בכדי לענות על שאלה זו נבנה מודל של רגרסיה לוגיסטית ונבדוק באם יש קשר בין המשתנים המסבירים למשתנה המוסבר (פגיעת הנהג), כאשר המשתנה הקטגורי המוסבר יהווה שתי קבוצות: נפגע (1) לא נפגע (0). לשם כך נשלב את שני בסיסי הנתונים: בסיס הנתונים הראשון מכיל את פרטי התאונות שקרו בשנת 2015 ובסיס הנתונים השני מכיל את פרטי המעורבים בתאונות שקרו בשנת 2015. נשים לב שישנן 3 אפשרויות מבחינת סוג המעורב בתאונה- נהג שנפגע, נהג שלא נפגע, נוסע ברכב שאינו הנהג. לכן, אנו נגדיר בהמשך שתי קבוצות בלבד במשתנה המוסבר, כאשר הנוסעים ברכב שאינם נהגים ינוקו מהדאטה ונשאיר רק נהגים שנפגעו (“Injured”) ונהגים שלא נפגעו (“Not Injured”). נבצע את ניקוי זה על מנת לבדוק רק את סיכויי הנהג להיפגע בתאונה. לצורך מודל זה המשתנים המסבירים הינם: מגדר, טווח גילאים ותנאי מזג האוויר.

** תיאור פרמטרי של המודל: **

כאשר:

**השערות המודל:**

כאשר מקדמי הרגרסיה משוייכים ל:

הנחות עיקריות:
1. אי-תלות בין המשתנים המסבירים. 2.גודל מדגם מספק לקבלת תוצאות אמינות נבדוק בהמשך ע”י תוכנת (G*Power).
ספריות שנעשה בהם שימוש לטובת מחקר זה:

library(tidyverse)

library(car)

library(forcats)

library(corrplot)
סטטיסטיקה תיאורית:
לפני בדיקת הנחות המודל, הניתוח והמסקנות הנובעות מהמודל נמחיש באמצעות מספר גרפים את אחוז הנהגים הנמצאים בקבוצת הנפגעים ובקבוצת הלא נפגעים אשר הגדרו במודל כ- 1 ו- 0 בהתאמה. בכל גרף נתאר את הפילוח בהתאם לקטגוריות של משתנה מסביר אחר ע”י גרף עמודות. לצורך כך נבצע חיבור בין שני בסיסי נתונים, נשאיר את העמודות הרלוונטיות למחקר וניתן שמות למשתנים על מנת שהגרפים יהיו מובנים יותר.

הבאת הנתונים וביצוע merge בין שני בסיסי נתונים:

library(tidyverse)
library(car)
library(forcats)
library(corrplot)
teunot2<-as_tibble(read_csv("C:/Users/orabr/OneDrive/שולחן העבודה/ProjectDS2024/H20151042Accdata 3 שאלה.csv"))
meoravim2<-as_tibble(read_csv("C:/Users/orabr/OneDrive/שולחן העבודה/ProjectDS2024/H20151042Invdata שאלה 3.csv"))

#merge between 2 database- teunot2 & meoravim2
combinedData <- merge(x=teunot2, y=meoravim2, by.x = "pk_teuna_fikt", by.y = "pk_teuna_fikt")

גרף ראשון מתאר את הפילוח (באחוזים) לנשים וגברים בקרב נהגים שנפצעו/שלא נפצעו בתאונות הדרכים.

כפי שניתן לראות מתרשים זה, ישנם יותר נהגים שנפגעו בתאונות הדרכים מאשר אילו שאינם נפגעו.
ישנם סה”כ 9,385 נהגים שנפגעו בתאונות דרכים בשנת 2015 שזהו 60.1% מכלל המדגם.

* • ישנם יותר גברים שביצעו תאונות דרכים ומתוכם כ-57.19% נפגעו בתאונת דרכים.

  • • ישנם פחות נשים שביצעו תאונות דרכים אך מתוכן אחוז גבוה יותר של נפגעות, כ-67.65%.

גרף שני מתאר את הפילוח (באחוזים) לפי טווחי גילאים בקרב נהגים שנפצעו/שלא נפצעו בתאונות הדרכים.

בתרשים זה ניתן לראות באופן מובהק כי ככל שטווח הגילאים עולה, כך יורדת כמות הנהגים אשר נפגעו בתאונת דרכים.
* • בנוסף לכך, ישנה עלייה בביצוע תאונות הדרכים ככל שהגיל עולה ולאחר גיל 35 מתחילה ירידה.
ניתן להסיק כי העלייה בעקומה נובעת מכך בכמות הנהגים עולה בטווח הגילאים שבין 15-35, וכי הירידה בעקומה נובעת מהנסיון שצוברים הנהגים ככל שהוותק עולה.
גרף שלישי מתאר את מספר תאונות הדרכים בקבוצות הנהגים הנפגעים והלא נפגעים עם הפרדה בין תנאי מזג האוויר בהם התרחשה התאונה.

# Calculate counts by weather conditions
weather_counts <- combinedData %>%
  group_by(SUG_MEORAV, MEZEG_AVIR) %>%
  summarise(count = n())

# Plot the data 3: Total counts segmented by Sug meorav and weather
ggplot(weather_counts, aes(x = SUG_MEORAV, y = count, fill = MEZEG_AVIR)) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_text(aes(label = count), position = position_dodge(width = 0.9), vjust = -0.2) +  # Add text labels for counts
  labs(title = "Traffic Accidents by Weather Conditions and Injured Or Not Injured",
       x = "Injured or Not",
       y = "Count",
       fill = "Weather Condition") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5),
        axis.text.x = element_text(angle = 45, hjust = 1),
        legend.position = "bottom")

בגרף זה ניתן לראות כי באופן משמעותי התבצעו כמות גדולה יותר של תאונות דרכים בתנאי מזג האוויר- בהיר וגשום. לכן, נבחן את המסקנות העולות מגרפים ספציפיים עבור תנאי מזג אוויר אלו.

גרף רביעי מתאר את תאונות הדרכים שהרחשו בימים גשומים, בפילוח לאחוז הנהגים הנפגעים והלא נפגעים.

ניתן לראות כי 65% מבין הנהגים שביצעו תאונות דרכים בימים גשומים, נפגעו בתאונת הדרכים.

גרף חמישי מתאר את תאונות הדרכים שהרחשו בימים בהירים, בפילוח לאחוז הנהגים הנפגעים והלא נפגעים.

ניתן לראות כי 60% מבין הנהגים שביצעו תאונות דרכים בימים בהירים, נפגעו בתאונת הדרכים. בהשוואה לגרף הרביעי אחוז נמוך יותר של נהגים נפגעו מתאונות בימים בהירים ביחס לאחוז הנהגים הנפגעו בימים גשומים.

סטטיסטיקה יישומית-
בדיקות הנחות המודל: לפי שנתחיל בבדיקת ההנחות, נגדיר את המשתנה המוסבר להיות בינארי- כלומר, קבוצת הנפגעים תקבל ערך של 1 וקבוצת הנבדקים שאינם נפגעים יקבלו ערך של 0.

#for the model- All the injured will be 1, all the not injured will be 0
combinedData$SUG_MEORAV<-ifelse(combinedData$SUG_MEORAV=="Injured",1,0)
combinedData$SUG_MEORAV<-as.factor(combinedData$SUG_MEORAV)

1. אי-תלות בין המשתנים המסבירים:
VIF הינו גורם אינפלציה של שונות אשר מודד את חומרת הרב-קולינאריות בניתוח הרגרסיה. במילים אחרות, מודד כמה מהשוני במשתנה אחד מוסבר ע”י המשתנה השני. כאשר מתקבל VIF≥5 ישנה קורולציה חזקה בינו לבין המשתנים המסבירים האחרים במודל. להלן התוצאות:

#Logistic regression model for vif test
mymodel1 <- glm(SUG_MEORAV ~ MEZEG_AVIR + Age + MIN 
                , data = combinedData, family = 'binomial')
vif(mymodel1)
##                GVIF Df GVIF^(1/(2*Df))
## MEZEG_AVIR 1.001931  4        1.000241
## Age        1.009133  7        1.000650
## MIN        1.007242  1        1.003615

כפי שניתן לראות לא התקבלו ערכי VIF הגדולים או שווים ל- 5 ולכן נקבע שהנחת אי-תלות בין המשתנים המסבירים אכן מתקיימת (לא קיימת קורולציה חזקה בין המשתנים המסבירים).

2. בדיקת גודל מדגם
בכדי לבדוק האם גודל המדגם שישנו כעת מספיק לקבלת תוצאות אמינות נשתמש בתוכנתG*Power על מנת לבצע שימוש מורחב לניתוח כוח סטטיסטי. להלן ממשק המשתמש, פרמטרים ותוצאת גודל המדגם המינימאלי שהתקבלה:

לפי פלט התוכנה גודל המדגם המינימאלי הוא 988 תצפיות, המדגם שלנו מכיל 15,616 תצפיות ולכן ההנחה מתקיימת.

ניתוח המודל:
לאחר שבדקנו כי הנחות המודל מתקיימות נפעיל רגרסיה לוגיסטית על המדגם ונסכם את התוצאות. בזאת, נקבע אם ישנו קשר בין המשתנים המסבירים שנבחרו למודל לבין המשתנה המוסבר אשר מתאר משתנה קטגורי של פגיעת הנהג בתאונה “נפגע” ו- ”לא נפגע”, ע”י 1 ו- 0 בהתאמה.

השמת המודל במשתנה והצגת סיכומו:

#Logistic regression model
mymodel2 <- glm(SUG_MEORAV ~ 0  + MEZEG_AVIR + Age + MIN
                , data = combinedData, family = 'binomial')
summary(mymodel2)
## 
## Call:
## glm(formula = SUG_MEORAV ~ 0 + MEZEG_AVIR + Age + MIN, family = "binomial", 
##     data = combinedData)
## 
## Coefficients:
##                  Estimate Std. Error z value Pr(>|z|)    
## MEZEG_AVIRArpili  1.54896    0.41070   3.771 0.000162 ***
## MEZEG_AVIRBahir   1.15413    0.07053  16.365  < 2e-16 ***
## MEZEG_AVIRGashum  1.39378    0.10422  13.373  < 2e-16 ***
## MEZEG_AVIROther   1.22293    0.26997   4.530 5.90e-06 ***
## MEZEG_AVIRShravi  1.58910    0.24604   6.459 1.06e-10 ***
## Age25-34         -0.23851    0.07438  -3.207 0.001342 ** 
## Age35-44         -0.24740    0.07477  -3.309 0.000937 ***
## Age45-54         -0.44603    0.07606  -5.864 4.51e-09 ***
## Age55-64         -0.49675    0.07691  -6.459 1.05e-10 ***
## Age65-74         -0.54400    0.07758  -7.012 2.35e-12 ***
## Age75-84         -0.63958    0.08095  -7.901 2.76e-15 ***
## Age85+           -0.69561    0.08388  -8.293  < 2e-16 ***
## MINMale          -0.47940    0.03814 -12.571  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 21648  on 15616  degrees of freedom
## Residual deviance: 20707  on 15603  degrees of freedom
## AIC: 20733
## 
## Number of Fisher Scoring iterations: 4

כפי שניתן לראות מהמודל:
* • מכיוון שהמשתנים הם משתנים קטגוריאליים לא כל הקטגוריות מופיעות בפלט. ה-R מתייחס לקטגוריה הראשונה של כל משתנה בתור “משתנה ייחוס” ולכן לא נראה בפלט את הקטגוריה “15-24” של המשתנה Age ולא נראה את הקטגוריה “Female” של המשתנה MIN.
* • למעט טווח הגילאים 25-34 כלל המשתנים המסבירים של המודל יצאו מובהקים במידה חזקה.
* המשתנה המסביר של מגדר אשר ניתן לראותו כ- MINMale (זכר)- יצא מובהק במידה חזקה בר”מ של 5% מכיוון ש- 5% > p_value = 2e-16 . המשמעות היא שלמין יש השפעה מובהקת על הסבירות להפגע בתאונת דרכים. גברים בעלי סיכויים גבוהים לפגיעה בהשוואה לנשים.
* • המשתנה המסביר- גיל הנהג/ת אשר ניתן לראותו כ- Age- מוצג כאשר הוא מחולק לפי קבוצות הגיל.
* כל טווחי הגילאים (25-34, 35-44, 45-54, 55-64, 65-74, 75-84, 85+) מובהקים סטטיסטית (p < 0.05) , מה שמצביע על כך שלגיל יש השפעה משמעותית על הסבירות להיפגע בתאונת דרכים. המקדמים השליליים מצביעים על כך שככל שהגיל עולה, הסיכויים להיפגע יורדים.
* • המשתנה המסביר- תנאי מזג האוויר אשר ניתן לראותו כ-MEZEG_AVIR מחולק גם הוא לקטגוריות (ערפילי, בהיר, גשום, אחר, שרבי). כלל הקטגוריות מובהקות סטטיסטית (p < 0.05), מה שמצביע על כך שלתנאי מזג אוויר שונים יש השפעה משמעותית על הסבירות להפגע בתאונת דרכים.
* • ערך ה-AIC הינו מדד לאיכות המודל, כלומר הוא מסביר את מספר המשתנים בשימוש בהשוואה למספר התצפיות. רצוי AIC נמוך אך ניכר כי במקרה שלנו ה-AIC יצא סביר.

בסך הכל, התוצאות מצביעות על כך שתנאי מזג האוויר, טווח הגילאים והמגדר הם כולם מנבאים משמעותיים של הסבירות להיפגע בתאונת דרכים.

להלן גרף המתאר את מובהקות המודל:

ניתן לראות בגרף באופן מובהק את השפעת טווח הגילאים על הסבירות להיפגע בתאונת דרכים.

שאלה 4: האם ההוצאות הכלכליות על רכב בגין תאונות דרכים משתנות בהתאם לעונות? (רון לוין)

היסטוגרמה של עלות התיקון

#היסטוגרמה של עלויות התיקון
hist(carmaintenance$repair_cost_total, main ="היסטוגרמה של עלות תיקון", xlab="עלות תיקון", col="lightblue")

בדיקת התפלגות נורמלית בעזרת מבחן KS

#מבחן KS לבדיקת התפלגות נורמלית
ks.test(carmaintenance$repair_cost_total, "pnorm")
## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  carmaintenance$repair_cost_total
## D = 0.96533, p-value < 2.2e-16
## alternative hypothesis: two-sided

מסקנה
P-value < 0.05, לכן נסיק כי הוצאות התיקון אינן מתפלגות נורמלית בהתאם לעונות השנה,
כלומר הנחת הנורמליות אינה מתקיימת.

מבחן קרוסקל-ווליס

#השתמשתי במבחן זה מהסיבה שעלויות התיקון לא מתפלגים נורמלית
kruskal.test(repair_cost_total ~ Season ,data = carmaintenance)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  repair_cost_total by Season
## Kruskal-Wallis chi-squared = 54.738, df = 4, p-value = 3.687e-11

מסקנה

קיים הבדל בין הוצאות התיקון בין עונות השנה

ניתן לראות כי בעונת החורף הוצאות התיקון גדולות יותר ביחס לשאר עונות השנה.

ניתן לראות כי בחורף מספר התאונות הגדול ביותר, אח”כ בסתיו,
ואין הבדל משמעותי בין הקיץ לאביב - בשתי עונות אלו כמות התאונות נמוכה משמעותית.

רפלקציה

נימרוד מנדלוביץ’ (שאלה 1)

כחלק ממסגרת הקורס ‘מדעי הנתונים’ התבקשנו לבצע עבודה בקבוצות של 4-6 סטודנטים ולבצע מבחנים סטטיסטיים שונים על מאגרי מידע ממשיים של תאונות דרכים בקרב אוכלוסיית ישראל. חיברנו שאלות מחקר בנושא השפעות מזג האוויר על תאונות הדרכים. כל אחד התמקד בשאלה שלו נעזרנו אחד בשני כאשר נקלענו לקשיים ובחלקים שמצריכים התאמת נתונים לצורך יישור קו לעבודה. למדתי סטטיסטיקה מחדש דרך הפרוייקט. העמקתי בדקויות הסטטיסטיות, למדתי על סוגי משתנים קטגוריים שונים [העשרה]. המבחנים הסטטיסטיים בהם השתמשתי (Chi-Squre, Kandell, Cramer) נלקחו מאתר https://education.rstudio.com , כל העבודה עם מאגרי הנתונים הייתה בליווי של האתרJove . חלוקת העבודה הייתה מיטבית, הדינמיקה הקבוצתית הייתה מוצלחת אך נדרש תיאום ציפיות משמעותי יותר בתחילת התהליך. לפעמים הגענו למצבים של אי הסכמה, תסכול ולא פעם ויכוחים, אך התוצר הסופי מספק מאוד. נהנתי מהליך הפרוייקט, בעיניי התהליך היה מדוייק יותר אם היינו יודעים למה לצפות מראש ולא להתקדם מפרק לפרק, הדבר היה משפיע על שאלות המחקר ועל המבחנים הסטטיסטיים בהם השתמשתי. ביצעתי התאמות ולמדתי נושאים חדשים בכדי להיצמד למה שבחרתי לבדוק בתחילת התהליך.

אור אברהם (שאלה 2)
קודם כל למדתי על תאונות דרכים בישראל: כיצד נאספים הנתונים, איך מגדירים כל נתון, מה נעשה בכל שלב עד שהנתונים מוצגים באתר הלשכה המרכזית לסטטיסטיקה. דבר שני ועיקרי הוא חקירת על שפת R הן מההרצאות והתרגולים שנלמדו, והן מבחינת חקר עצמי באינטרנט, היו בהתחלה קשיים אך ככל שהקורס התקדם השימוש נהיה קל ומהנה יותר. דבר שלישי שהתעמקתי בו הוא סטטיסטיקה. למדתי על התאמת מבחנים סטטיסטיים למגוון סוגי משתנים. נעזרתי בגוגל, במגוון מנועי AI, אתר JOVE, כיצד לבנות שאלת מחקר אילו הנחות אני צריך לבדוק לפני.
שיתוף פעולה:
תחילת העבודה הייתה בניית שאלות שקשורות לנתונים הקיימים ומשם בחירת נושא המחקר, ולאחר מכן עברנו לשלב של עבודה עצמית על כל שאלה בנפרד עם התייעצות בין חברי הקבוצה (קיימנו דיונים בוואטסאפ ומפגשים בזום), חושב שהצלחנו במידה רבה על אף היה לרובנו מילואים והיה קשה להתמקד בלימוד.
שינויים:
לא נעשו שינויים משמעותיים בפרויקט שלי, בדיעבד במהלך הפרויקט הבנתי שהנתונים שאני משתמש הם די מוגבלים למספר ספציפי של מבחנים ומודלים סטטיסטיים ולא ניתן לשאול בעזרתם מגוון רחב שאלות, אני חושב שבחירת נתונים ממקור אחר הייתה מביאה לכך שהשאלות היו יותר מעניינות.
נקודות לשימור:
לימוד מקוון – אפשר גמישות רבה לכולם, וגם כיוון שעיקר הפרויקט במחשב זה היה אופטימלי.
לימוד דרך פרויקט- חושב שזה מדמה מאוד את “החיים” וגם תורם ללימוד עצמי של מגוון נושאים.
נקודות לשיפור:
גודל קבוצה- קבוצה צריכה להיות מורכבת מ-2 אנשים בלבד, למרות שזה אכן גורם לשיתוף פעולה בין מגוון אנשים, במסגרת פרויקט זה עדיף 2 חברי קבוצה.
מפגשי הנחיה - המפגשים היו טובים אך לטעמי היו קצת מגבילים בזמן, אם לאורך הסמסטר יהיו יותר משני מפגשי הנחיה, הדבר יועיל יותר.
האקתון ומשוב לאחריו – האקתון זה כלי שחשוב מאוד לפתח, אך לטעמי ההאקתונים היו ארוכים מדי, וחלוקת הקשב הייתה נמוכה, ובהמשך לכך ביצוע משוב (בפרט: במהלך האקתון/אחריו) אינו רלוונטי בהכרח גם כיוון שהאקתון ארוך והקשב הוא יחסית נמוך.
יובל דביר (שאלה 3)
לאחר שבחרנו לחקור על הקשר בין תנאי מזג האוויר לבין תאונות דרכים, חיפשתי אחר שאלת מחקר שתעניין אותי ודי מהר מצאתי שאלה כזאת, מצאתי בסיס נתונים מתאים והתחלתי לעבוד. בין מפגש התקדמות 1 למפגש התקדמות 2 הבנתי כי מספר התצפיות שיש לי אינו מספק וכי אני צריכה או למצוא בסיס נתונים עם מספר רב יותר של תצפיות או לשנות את שאלת המחקר שלי ולהתחיל את כל התהליך מההתחלה. שלב זה היה שלב מאתגר כי הבנתי שאם לא אעבוד מהר- ייתכן שלא אספיק לעמוד בכל הקריטריונים שצריכים להתקיים למפגש מס’ 2. החלטתי לאתגר את עצמי ולבחור שאלה אשר תיענה באמצעות מבחן סטטיסטי שלמדנו בסוף הסימסטר שעבר בקורס “סטטיסטיקה יישומית”- מודל רגרסיה לוגיסטית. בניגוד למבחנים סטטיסטיים אחרים, עדיין לא יצא לי לחקור באמצעות מודל זה ב-R ולכן העבודה על שאלת המחקר שלי הייתה מאוד מאתגרת. למדתי לעומק מהי רגרסיה לוגיסטית, משמעותה ואילו הנחות צריכות להיבדק. למדתי להשתמש בתוכנת G-Power לחישוב גודל מדגם ובעיקר למדתי המון על ניקוי דאטה ב-R, מיזוג בין בסיסי נתונים וביצוע פעולות מורכבות עד שהגעתי בדיוק לתצורה שבה רציתי את הנתונים שלי על מנת לבצע את המחקר על הצד הטוב ביותר. בנוסף לכך, העמקתי לתוך נושא תאונות הדרכים בארץ ישראל הבנתי כמה חשוב לחקור אותו ולהפיק מסקנות ענייניות שיוכלו למגר את תופעה קשה זאת. הדבר הכי חשוב שאני לוקחת איתי מפרוייקט זה, זאת הידיעה כי למידה עצמאית היא אחד הדברים החשובים והמפתחים ביותר. נדרשת סבלנות וחשיבה מחוץ לקופסא ולעיתים זה תהליך שיכול להיות מתסכל אבל בסופו הוא מלמד מאוד.

מבחינתי מה שהיה טעון שיפור הוא הידע הסטטיסטי שלי. אומנם למדתי המון אך להרגשתי אם היה לי ידע רב יותר בסטטיסטיקה ובניתוח נתונים, ייתכן והייתי מגיעה למסקנות נוספות ומקבלת תשובה מספקת יותר לשאלה שלי . הדבר הקשה ביותר לביצוע היה מציאת בסיס נתונים איכותי ורלוונטי ובחירת שאלת מחקר אשר מתאימה לנתונים הקיימים.

בעיות במהלך העבודה: • כפי שציינתי מעלה- שאלת המחקר שלי השתנה מספר פעמים בעקבות שינוי בסיסי הנתונים. • עבודה עם משתנים קטגוריים- זאת הייתה ההתנסות הראשונה שלי במחקר עם משתנים קטגוריים ב-R כך שהיו מספר תקלות בדרך אך הן נפתרו במהרה.
תרומה של כל חברי הצוות:
במהלך הפרויקט 2 מתוך חברי הקבוצה שירתו במילואים ועדיין הצלחנו לעבוד בשיתוף פעולה מלא. התייעצנו באופן שוטף, ביצענו מפגשי זום כפעמיים בשבוע לאורך התקופה וכן סייענו אחד לשנייה כשהיה צורך. כל אחד מחברי הקבוצה התעמק בשאלת מחקר אחת, אך כולנו היינו שותפים למחקר. לדוגמא, כאשר נדרשתי לשנות את בסיס הנתונים שלי כולנו חיפשנו יחד בסיס נתונים חדש אשר יתאים לשאלת המחקר וכאשר לא מצאנו, חשבנו יחד איך יהיה הכי נכון לשנות את שאלת המחקר שלי. כמו כן, כאשר עלו קשיים בנוגע לכתיבת הקוד ב-R ולביצוע גרפים רלוונטיים, חלקנו מסקנות וחקרנו יחד עד להצלחה.