SURVEI ANGKATAN KERJA NASIONAL
Agustus 2023
Angkatan Kerja Nasional (Sakernas) 2023 adalah survei yang dilakukan oleh Badan Pusat Statistik (BPS) Indonesia untuk mengumpulkan data mengenai ketenagakerjaan di Indonesia. Tujuan utama dari survei ini adalah untuk menyediakan data yang akurat dan komprehensif tentang berbagai aspek ketenagakerjaan di Indonesia, termasuk tingkat partisipasi angkatan kerja, tingkat pengangguran, jenis pekerjaan, upah, jam kerja, serta karakteristik demografis pekerja seperti usia, jenis kelamin, dan tingkat pendidikan.
Analisis data survei ini menggunakan materi dari: Introduction to SAS. UCLA: Statistical Consulting Group. from https://stats.oarc.ucla.edu/sas/modules/introduction-to-the-features-of-sas/ (accessed August 22, 2021).Mengunduh dan menginstal paket
Anda hanya perlu menjalankan perintah install.packages
berikut sekali saja. Biarkan perintah ini tetap ada di file R script
Anda, namun tambahkan simbol # di depan setiap baris untuk
mengomentarinya.
# install.packages("survey")
# install.packages("dplr")
# install.packages("jtools")Setelah paket diunduh, paket tersebut perlu dimuat. Ini perlu dilakukan pada awal setiap sesi R.
library(survey)
library(dplyr)
library(jtools)Membaca data ke dalam R
Data Sakernas Agustus 2023 didistribusikan dalam format csv (sakernas_agt_2023_15.csv). Anda dapat menggunakan read.csv() untuk membaca data ke dalam R. Perintahnya akan terlihat seperti ini:
data <- read.csv("sakernas_agt_2023_15.csv")Memeriksa data yang diimpor dengan menggunakan fungsi head(data)
head(data)Variabel
Kita akan menggunakan beberapa variabel berbeda dalam contoh analisis ini. Di bawah adalah ringkasan singkat Beberapa variabel yang akan dianalisis termasuk di dalamnya memuat informasi observasi yang mencakup nilai yang benar-benar hilang serta nilai yang ditolak dan tidak diketahui.
K4 - Jenis Kelamin, rentang nilai: 1=Laki-laki 2=Perempuan; tidak ada pengamatan hilang
K5 - Kewarganegaraan, rentang nilai: 1=WNI 2=WNA, tidak ada pengamatan hilang
K9 - Umur, rentang nilai: 15 - 98, tidak ada pengamatan hilang
R6A - Pendidikan tertinggi ditamatkan, rentang nilai: 1=Tidak/belum tamat SD 2=SD/MI/SDLB/Paket A 3=SMP/MTs/SMPLB/Paket B 4=SMA/MA/SMLB/Paket C 5=SMK 6=MAK 7=Diploma I/II/III 8=Diploma IV 9=S1 10=S2 11=S2 Terapan 12=S3, tidak ada pengamatan hilang
R6B_P - Penyelenggara pendidikan, rentang nilai: 1=Negeri 2=Swasta 3=Kedinasan 4=Tidak Tahu, 448593 pengamatan hilang
R9A - bekerja paling sedikit satu jam, rentang nilai: 1=Ya 2=Tidak, tidak ada pengamatan hilang
R18B - jumlah jam kerja biasanya dalam seminggu di pekerjaan atau kegiatan usaha, rentang nilai: 0 - 98
R28A - Seminggu terakhir memiliki lebih dari 1 pekerjaan, rentang nilai: 1=Ya 2=Tidak, 250560 pengamatan hilang
R28C - Jumlah jam kerja biasanya seluruh pekerjaan dalam seminggu, rentang nilai: 0 - 98 (nilai akan sama dengan R18B jikq hanya memiliki satu pekerjaan)
Fungsi svydesign
Sebelum kita memulai analisis, kita perlu menggunakan fungsi svydesign dari paket “survei” yang ditulis oleh Thomas Lumley. Fungsi svydesign memberi tahu R tentang elemen desain dalam survei. Setelah perintah ini dikeluarkan, yang perlu Anda lakukan untuk analisis Anda adalah menggunakan objek yang berisi informasi ini di setiap perintah. Data Sakernas Agustus 20223 dirilis dengan bobot sampel (WIGHTR), variabel PSU (PSU), dan variabel strata (STRATA). Fungsi svydesign terlihat seperti ini:
survey_design <- svydesign(
id = ~PSU,
weights = ~WEIGHTR,
strata = ~STRATA,
nest = T,
data = data
)
survey_designStratified 1 - level Cluster Sampling design (with replacement)
With (9112) clusters.
svydesign(id = ~PSU, weights = ~WEIGHTR, strata = ~STRATA, nest = T,
data = data)Kita bisa mendapatkan informasi tambahan tentang sampel, seperti jumlah PSU per strata, dengan menggunakan fungsi summary.
summary(survey_design)Stratified 1 - level Cluster Sampling design (with replacement)
With (9112) clusters.
svydesign(id = ~PSU, weights = ~WEIGHTR, strata = ~STRATA, nest = T,
data = data)
Probabilities:
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.0001431 0.0028011 0.0059880 0.0093957 0.0113636 0.3333333
Stratum Sizes:
11101 11102 11201 11202 11301 11302 11401 11402 11501 11502 11601 11602 11701 11702 11801 11802 11901 11902
obs 226 883 467 780 488 1024 447 911 384 1163 448 907 453 835 962 865 436 1035
12001 12002 12101 12102 12201 12202 12301 12302 12401 12402 12501 12502 12601 12602 12701 12702 12801 12802
obs 583 934 493 2466 733 2173 343 2184 1119 1874 545 2151 379 2087 1164 1606 1225 1500
12901 12902 13001 13002 13101 13102 13201 13202 13301 13302 13401 13402 13501 13502 13601 13602 13701 13702
obs 500 1170 234 1065 622 1923 2248 1422 1280 2107 447 2460 573 2190 777 1747 909 1799
13801 13802 13901 13902 14001 14002 14101 14102 14201 14202 14301 14302 14401 14402 14501 14502 14601 14602
obs 1075 2002 1098 1847 445 2278 1064 3416 1579 2907 895 2264 574 2249 784 1936 768 968
14701 14702 14801 14802 14901 14902 15001 15002 15101 15102 15201 15202 15301 15302 15401 15402 15501 15502
obs 436 1082 777 784 539 1085 536 774 423 957 390 1149 345 994 325 1143 620 915
15601 15602 15701 15702 15801 15802 15901 15902 16101 16102 16201 16202 16301 16302 16401 16402 16501 16502
obs 178 1177 437 947 241 1305 581 954 579 959 305 1373 460 1249 407 1068 159 1292
16601 16602 16701 16702 16801 16802 16901 16902 17001 17002 17101 17102 17201 17202 17301 17302 17401 17402
obs 287 1327 629 1149 202 1305 318 1336 443 1063 740 2047 1053 1636 472 2174 136 1061
17501 17502 17601 17602 17701 17702 17801 17802 17901 17902 18101 18102 18201 18202 18301 18302 18401 18402
obs 104 1146 178 1149 182 976 321 962 312 958 1519 1250 1178 1401 2347 789 1667 1456
18501 18502 18601 18602 18701 18702 18801 18802 18901 18902 19001 19002 19101 19102 19201 19202 19301 19302
obs 946 2020 561 1021 125 1367 437 973 421 1045 840 638 2243 1788 2527 1549 1944 2191
19401 19402 19501 19502 19601 19602 19701 19702 19801 19802 20101 20102 20201 20301 20302 20401 20402 20501
obs 1914 782 2562 967 2147 583 1041 289 501 912 1720 114 1150 768 457 1096 24 1240
20601 20602 20701 20702 21101 21102 21201 21202 21301 21302 21401 21402 21501 21502 22101 22201 22202 23101
obs 1143 128 934 347 2572 633 847 445 1611 964 442 756 365 644 1736 769 387 2008
23201 23202 23301 23302 23401 23402 24101 24102 25101 25201 26101 28101 28102 28201 28202 31101 32101 32102
obs 999 318 716 602 1209 266 1524 65 1881 1397 1470 1678 69 1408 44 870 2398 144
32201 32202 32301 32302 32401 32402 32501 32502 32601 32602 32701 32702 32801 32802 32901 32902 33001 33002
obs 1166 841 1155 679 2138 95 1494 636 1005 752 1092 525 1202 440 1832 115 1179 562
33101 33102 33201 33202 33301 33302 33401 33402 33501 33502 33601 33602 33701 33702 33801 33802 33901 33902
obs 2501 1160 2810 939 2482 1258 2342 1289 2602 1198 2763 1211 2534 1114 1862 1487 1135 704
34001 34002 34101 34102 34201 34202 34301 34302 34401 34402 34501 34502 34601 34602 34701 34702 34801 34802
obs 1574 239 2635 730 2529 1279 2111 1472 2828 782 764 1084 516 1145 639 962 1112 724
34901 34902 35001 35002 35101 35102 35201 35202 35301 35302 35401 35402 35501 35502 35601 35602 35701 35702
obs 1570 153 1525 329 1715 1851 2188 1602 1685 1941 2486 1114 2194 1523 2708 1030 2940 1125
35801 35802 35901 35902 36001 36002 36101 36102 36201 36202 36301 36302 36401 36402 36501 36502 36601 36602
obs 2383 1135 3027 1180 1243 612 1537 1770 1552 1702 3201 867 2689 1184 2131 48 1613 245
36701 36702 36801 36802 36901 36902 37001 37002 37101 37102 37201 37202 37301 37302 37401 37402 37501 37502
obs 1535 330 1101 665 976 657 998 745 600 1025 682 1203 817 980 827 1043 1588 422
37601 37602 37701 37702 37801 37802 37901 37902 38101 38201 38301 38401 38501 39101 39201 39301 39401 39501
obs 807 822 660 966 968 739 496 1173 2012 2084 1563 2044 1927 1750 1427 2013 1418 2217
39601 39701 39801 39802 39901 39902 40101 40201 40301 40401 40402 40501 40601 41101 42101 42201 42301 42401
obs 2136 1615 1594 41 1119 189 1106 1580 1388 2019 52 1470 1332 1381 1501 1327 1635 1369
42501 42601 42701 42801 42901 42902 43101 43201 43301 43302 43401 51101 51102 51201 51202 51301 51302 51401
obs 1449 1261 1399 2294 1291 220 1991 1584 1554 98 1963 979 580 790 1077 1686 180 1768
51402 51501 51502 51601 51602 51701 51702 51801 51802 52101 52102 52201 52202 52301 52302 52401 52402 52501
obs 366 1070 447 627 989 629 898 1197 518 1269 266 878 663 1177 438 383 1089 368
52502 52601 52602 52701 52702 52801 52802 53101 53102 53201 53202 53301 53302 53401 53402 53501 53502 53601
obs 977 310 1203 469 783 565 675 217 1189 307 1291 213 1422 172 1299 160 1307 524
53602 53701 53702 53801 53802 53901 53902 54001 54002 54101 54102 54201 54202 54301 54302 54401 54402 54501
obs 901 332 1099 271 962 301 1142 361 1296 433 1199 171 1130 262 1306 119 1067 144
54502 54602 54701 54702 54801 54802 54901 54902 55001 55002 55101 55102 58101 59101 59201 59202 60101 60102
obs 1430 1244 55 1636 110 1341 53 1454 82 986 172 1187 1815 1438 1061 233 1576 49
61101 61102 61201 61202 61301 61302 61401 61402 61501 61502 61601 61602 61701 61702 61801 61802 61901 61902
obs 369 1280 150 1255 263 1344 730 723 312 1232 431 1028 274 1263 316 1041 227 1201
62001 62002 62101 62102 62201 62202 62301 62302 62401 62402 62501 62502 62601 62602 62701 62702 62801 62802
obs 250 1100 1048 1687 1691 1506 370 1099 389 893 361 852 273 793 344 874 579 684
62901 62902 63001 63002 63101 63102 63201 63202 63301 63302 63401 63402 63501 63502 63601 63602 63701 63702
obs 294 913 262 992 881 1622 861 1721 1076 1711 424 1039 214 1030 600 702 361 968
63801 63802 63901 63902 64001 64002 64101 64102 64201 64202 64301 64302 64401 64402 64501 64502 64901 64902
obs 626 760 516 845 968 508 824 1798 362 915 868 791 647 863 659 777 695 679
65101 65102 65201 65202 65301 65302 65401 65402 68101 68201 68202 69101 69102 70101 70201 71101 71102 71201
obs 492 1630 702 669 271 606 547 803 1651 1294 236 1301 105 1586 1458 1987 1123 2461
71202 71301 71302 71401 71402 71501 71502 71601 71602 71701 71702 71801 71802 71901 71902 72001 72002 72101
obs 804 406 890 1466 974 268 1046 767 562 225 910 215 863 324 891 165 984 1868
72102 72201 72202 72301 72302 72401 72402 72501 72502 72601 72602 72701 72702 72801 72802 72901 72902 73001
obs 2055 448 1120 406 664 382 1121 317 1226 445 1025 229 1245 209 1365 265 1115 410
73002 73101 73102 73201 73202 73301 73302 73401 73402 73501 73502 73601 73602 73701 73702 73801 73802 73901
obs 1048 631 1679 591 2102 582 885 325 1264 627 830 1004 758 426 1023 650 976 528
73902 74001 74002 74101 74102 74201 74202 74301 74302 74401 74402 74501 74502 74601 74602 74701 74702 74801
obs 1066 462 856 717 2401 888 1883 752 2278 999 1941 611 2289 431 2275 690 2138 279
74802 74901 74902 75001 75002 75101 75102 75201 75202 75301 75302 75401 75402 75501 75502 75601 75602 76101
obs 2290 182 922 50 1057 390 2198 927 3135 503 2012 1242 1459 921 2994 303 1101 627
76102 76201 76202 76301 76302 76401 76402 76501 76502 76601 76602 78101 78102 78201 78202 78301 78302 78401
obs 846 725 976 134 1181 474 964 195 1166 144 1147 1481 53 1134 209 915 290 1111
78402 79101 79102 80101 80102 80201 80202 80301 80302 81101 81102 81201 81202 81301 81302 81401 81402 81501
obs 195 1623 43 1846 27 1239 47 1240 264 1907 945 1546 1206 383 1222 520 814 445
81502 81601 81602 81701 81702 81801 81802 81901 81902 82101 82102 82201 82202 82301 82302 82401 82402 82501
obs 862 380 1017 169 1201 65 1026 98 1119 1443 1132 199 880 354 803 212 1276 473
82502 82601 82602 82701 82702 82801 82802 88101 88102 88201 88202 89101 89102 89201 89202 91101 91102 91201
obs 1002 182 958 169 899 155 914 1576 165 712 563 1212 130 462 836 535 679 465
91202 91301 91302 91401 91402 91501 91502 91601 91602 91701 91702 91801 91802 91901 91902 92001 92002 92101
obs 664 133 976 377 712 819 592 184 883 210 1092 153 922 46 795 11 832 88
92102 92201 92202 94101 94102 94201 94202 94301 94302 94401 94402 94801 94802 94901 94902 95001 95002 95101
obs 713 30 857 592 759 198 914 671 580 627 585 414 856 625 656 87 1052 9
95102 95201 95202 95301 95302 95401 95402 95501 95502 95601 95602 95701 95702 95801 95802 95901 95902 96001
obs 1044 806 646 226 782 128 1093 115 868 62 1487 61 1011 20 1107 180 805 153
96002 96601 96602 96701 96702 96801 96802 96901 96902 97001 97002 97101 97102 97201 97202 97302 97402 97502
obs 874 131 944 284 668 86 793 54 1099 51 1101 27 936 19 807 1341 857 787
97601 97602 98101 98102 101101 101102
obs 66 914 1307 130 1271 168
[ reached getOption("max.print") -- omitted 2 rows ]
Data variables:
[1] "TAHUN" "WEIGHTR" "ROWINDEX" "KODE_PROV" "KODE_KAB" "KLAS" "PSU" "STRATA"
[9] "B2_R1" "B2_R2" "K3" "K4" "K5" "K5_KD" "K6" "K7"
[17] "K8_BLN" "K8_TH" "K9" "R3B" "R4" "R5" "R6A" "R6B_P"
[25] "R6B_KD" "R6C_BLN" "R6C_TH" "R6D" "R6E" "R6F" "R6G1_KD" "R6G1MTD"
[33] "R6G1SB1" "R6G1SB1KD" "R6G1SB2" "R6G1SB3" "R6G1SB4" "R6G2_KD" "R6G2MTD" "R6G2SB1"
[41] "R6G2SB1KD" "R6G2SB2" "R6G2SB3" "R6G2SB4" "R6G3_KD" "R6G3MTD" "R6G3SB1" "R6G3SB1KD"
[49] "R6G3_SB2" "R6G3_SB3" "R6G3_SB4" "R6H" "R6I" "R6J" "R7" "R7_PROV"
[57] "R7_KAB" "R8A" "R8B" "R8C" "R8D" "R8E" "R8F" "R9A"
[65] "R9B" "R9C" "R10" "R11A" "R11B" "R11C" "R11D" "R13A"
[73] "R13B" "R13C" "R13C_BLN" "R13C_TH" "R14AKATEGO" "R14AKATE_A" "R14BKBJI20" "R14BKBJI19"
[81] "R15_UANG" "R15_BRG" "R16A" "R16B" "R17A_BLN" "R17A_TH" "R17B" "R18A_SEN"
[89] "R18A_SEL" "R18A_RAB" "R18A_KAM" "R18A_JUM" "R18A_SAB" "R18A_MNG" "R18A_JML" "R18A_BLT"
[97] "R18B" "R19A1" "R19A2" "R19A3" "R19B" "R19C1" "R19C2" "R19C3"
[105] "R19C4" "R19C5" "R20" "R21" "R22A" "R22B" "R22B_PROV" "R22B_KAB"
[113] "R22C" "R22D" "R23A1" "R23A2" "R23A3" "R23A4" "R23A5" "R23A6"
[121] "R23A7" "R23A8" "R23B" "R24A" "R24B" "R24C" "R24D" "R24E"
[129] "R24F" "R24G" "R24H" "R24I" "R25A" "R25B" "R26" "R27A"
[137] "R27B" "R27C" "R28A" "R28B_SEN" "R28B_SEL" "R28B_RAB" "R28B_KAM" "R28B_JUM"
[145] "R28B_SAB" "R28B_MNG" "R28B_JML" "R28B_BLT" "R28C" "R29A" "R29B" "R29C"
[153] "R30" "R31A" "R31B" "R32A" "R32B" "R33_TH" "R33_BLN" "R34A"
[161] "R34B" "R34C" "R34D" "R34E" "R34F" "R35A" "R35B" "R35C"
[169] "R35D" "R36A" "R36B" "R36C" "R37" "R38A" "R38A_BLN" "R38A_TH"
[177] "R38B" "R39A" "R39B_BLN" "R39B_TH" "R40D" "R41AKATEGO" "R41AKATE_A" "R41BKBJI20"
[185] "R41BKBJI19" "R42" "R43A" "R43B" "R43C" "R43D" "R44A" "R44B"
[193] "R44C" "R44D" "R44E" "R44F" "R44G" "R44H" "R44I" "R44J1"
[201] "R44J2" "R44J3" "R44J4" "R44J5" "R44J6" "R44J7" "R45A" "R45B"
[209] "R46" "R47_BLN" "R47_TH" "R49KATEGOR" "R49KATEG_A" "R50KBJI201" "R50KBJI198" "R51"
[217] "R52" "R53" "R54" "JENISKEGIA"Statistik deskriptif dengan variabel kontinu
Kita akan mulai dengan sesuatu yang sederhana: menghitung mean dari variabel kontinu. Dalam contoh ini, kami menggunakan variabel K9 yang merupakan usia responden (sakernas_agt_2023_15_ly.csv). Harap dicatat bahwa dokumentasi untuk fungsi svymean, serta fungsi lain yang menyediakan statistik deskriptif, dapat ditemukan di bagian dokumentasi yang disebut surveysummary.
options(survey.lonely.psu = "adjust")
svymean(~K9, survey_design) mean SE
K9 40.249 0.0351Kita juga bisa mendapatkan simpangan baku dari variabel umur dengan menggunakan fungsi svysd, dari paket jtools.
svysd(~K9, survey_design) std. dev.
K9 16.614Menghitung mean dari R9A yang menyatakan bahwa responden bekerja paling sedikit satu jam dalam seminggu terakhir.
svymean(~R9A, survey_design) mean SE
R9A 1.393 0.0013Contoh lainnya (R6A: Pendidikan tertinggi ditamatkan)
svymean(~R6A, survey_design) mean SE
R6A 3.5515 0.0097Mean lebih dari satu variabel dapat diperoleh dengan memberi tanda “+” di antara variabel-variabel tersebut:
svymean(~K9+R9A+R6A, survey_design) mean SE
K9 40.2495 0.0351
R9A 1.3930 0.0013
R6A 3.5515 0.0097Pada contoh di bawah ini, diperoleh mean, deviasi standar, dan varians untuk variabel R6B_P (Penyelenggara pendidikan dan jurusan pendidikan/bidang studi pada pendidikan tertinggi yang ditamatkan):
svymean(~R6B_P, survey_design) mean SE
R6B_P 0.63107 0.0033svysd(~R6B_P, survey_design) std. dev.
R6B_P 0.805svyvar(~R6B_P, survey_design) variance SE
R6B_P 0.64818 0.0024Fungsi cv digunakan untuk mendapatkan koefisien variasi. Koefisien variasi adalah rasio kesalahan standar terhadap rata-rata dikalikan dengan 100%. Ini merupakan indikasi variabilitas relatif terhadap rata-rata populasi dan tidak dipengaruhi oleh unit pengukuran variabel.
cv(svymean(~R6B_P, survey_design)) R6B_P
R6B_P 0.005235568Di bawah ini adalah contoh cara mendapatkan efek desain (Deff). Deff adalah rasio dua varian. Pada pembilangnya kita mempunyai estimasi varians dari sampel saat ini (termasuk seluruh elemen desainnya), dan pada penyebutnya kita mempunyai varians dari sampel hipotetis dengan ukuran yang sama yang diambil sebagai SRS (Sampel Acak Sederhana). Dengan kata lain, Deff memberi tahu Anda seberapa efisien sampel Anda dibandingkan dengan SRS berukuran sama. Jika Deff kurang dari 1, sampel Anda lebih efisien dibandingkan SRS; namun umumnya, Deff lebih besar dari 1. Pada contoh di bawah, Deff=12.827. Artinya, sampel yang diambil menggunakan rencana pengambilan sampel saat ini harus berjumlah 13 kali lipat dari jumlah yang diperlukan jika sampel dikumpulkan melalui SRS. Secara spesifik, Deff khusus untuk suatu variabel, sehingga beberapa variabel mungkin memiliki Deff yang lebih besar atau lebih kecil.
svymean(~R6B_P, survey_design, deff = TRUE) mean SE DEff
R6B_P 0.631069 0.003304 12.827Kuantil adalah statistik deskriptif yang berguna untuk variabel kontinu, khususnya variabel yang tidak terdistribusi normal.
svyquantile(~R6A, survey_design, c(.25,.5,.75),ci=TRUE)$R6A
quantile ci.2.5 ci.97.5 se
0.25 2 2 3 0.2550697
0.5 3 3 4 0.2550697
0.75 4 4 5 0.2550697
attr(,"hasci")
[1] TRUE
attr(,"class")
[1] "newsvyquantile"Mari kita lihat beberapa statistik deskriptif untuk variabel biner. Kita mulai dengan mendapatkan mean dari variabel K4, yang berkode 1 untuk laki-laki dan 2 untuk perempuan. Mengambil mean suatu variabel yang berkode 1/2 menghasilkan proporsi 2, sehingga mean dari variabel tersebut adalah taksiran proporsi penduduk yang berjenis kelamin perempuan.
svymean(~K4, survey_design) mean SE
K4 1.4969 6e-04Kita dapat menggunakan fungsi confint untuk mendapatkan interval kepercayaan di sekitar mean ini.
confint(svymean(~K4, survey_design)) 2.5 % 97.5 %
K4 1.495743 1.497961Namun, komentar di halaman 70 dokumentasi paket survei, kita sebaiknya menggunakan svyciprop daripada confint. Ada beberapa opsi yang dapat diberikan untuk argumen method. Silakan lihat halaman 70-71 dokumentasi. Opsi likelihood menggunakan distribusi chi-kuadrat berskala (Rao-Scott) untuk log likelihood dari distribusi binomial.
svyciprop(~I(K4==2), survey_design, method="likelihood") 2.5% 97.5%
I(K4 == 2) 0.497 0.496 0.498# li adalah kependekan dari likelihood
svyciprop(~I(K4==1), survey_design, method="li") 2.5% 97.5%
I(K4 == 1) 0.503 0.502 0.504Opsi logit cocok dengan model regresi logistik dan menghitung interval tipe Wald pada skala log-odds, yang kemudian diubah menjadi skala probabilitas.
svyciprop(~I(K4==2), survey_design, method="logit") 2.5% 97.5%
I(K4 == 2) 0.497 0.496 0.498Opsi xlogit menggunakan transformasi logit dari mean dan kemudian melakukan transformasi kembali ke skala probabilitas. Tampaknya ini adalah metode yang digunakan oleh SUDAAN dan SPSS COMPLEX SAMPLES.
svyciprop(~I(K4==2), survey_design, method="xlogit") 2.5% 97.5%
I(K4 == 2) 0.497 0.496 0.498Sebagaimana dinyatakan pada halaman 71 dokumentasi, penggunaan opsi mean (disingkat dalam kode di bawah ini), mereproduksi hasil yang diberikan oleh perintah svy: mean Stata.
svyciprop(~I(K4==2), survey_design, method="me", df=degf(survey_design)) 2.5% 97.5%
I(K4 == 2) 0.497 0.496 0.498Sebagaimana dinyatakan pada halaman 71 dokumentasi, penggunaan opsi logit (disingkat dalam kode di bawah ini), mereproduksi hasil yang diberikan oleh perintah svy: prop Stata.
svyciprop(~I(K4==2), survey_design, method="lo", df=degf(survey_design)) 2.5% 97.5%
I(K4 == 2) 0.497 0.496 0.498Anda juga bisa mendapatkan proporsi 1, seperti yang ditunjukkan di bawah ini.
svyciprop(~I(K4==1), survey_design, method="mean") 2.5% 97.5%
I(K4 == 1) 0.503 0.502 0.504Di bawah ini adalah cara lain untuk mendapatkan proporsi 2. Inti dari contoh ini adalah Anda dapat menggunakan sintaksis jenis ini untuk mendapatkan proporsi level mana pun dari variabel kategori.
svyciprop(~I(K4==2), survey_design, method="mean") 2.5% 97.5%
I(K4 == 2) 0.497 0.496 0.498Terakhir, mari kita lihat cara mendapatkan totalnya dengan menggunakan fungsi svytotal. (K5 Kewarganegaraan 1-WNI 2-WNA)
svytotal(~K5,design = survey_design) total SE
K5 212602475 1669011Pada contoh berikutnya, kita akan mendapatkan koefisien variasi untuk total ini.
cv(svytotal(~K5,design = survey_design)) K5
K5 0.007850386Mari kita dapatkan efek desain secara total.
svytotal(~K5,design = survey_design, deff = TRUE) total SE DEff
K5 212602475 1669011 663857Statistik deskriptif untuk variabel kategori
Mari kita lihat beberapa cara untuk mendapatkan statistik deskriptif untuk variabel kategori, baik variabel tersebut biner atau tidak. Kita akan mulai dengan fungsi tabel. Pada contoh di bawah ini, kita mendapatkan frekuensi untuk variabel K4.
svytable(~K4, design = survey_design)K4
1 2
106963005 105624436 Kita juga dapat menggunakan fungsi tabel untuk mendapatkan tabulasi silang. Kita akan mulai dengan tab silang dua arah.
# 2-arah
svytable(~K4+K5, survey_design) K5
K4 1 2
1 106954660 8345
2 105617747 6689Pada contoh berikutnya, kami menggunakan sintaks berbeda untuk melakukan hal yang sama. Perhatikan bahwa keluarannya ditampilkan berbeda, meskipun informasi dalam keluarannya sama.
# 2-arah
svytable(~interaction(K4, K5), design = survey_design)interaction(K4, K5)
1.1 2.1 1.2 2.2
106954660 105617747 8345 6689 Sekarang mari kita buat tabel tiga arah.
# 3-arah
svytable(~interaction(K4, K5, R6D), design = survey_design)interaction(K4, K5, R6D)
1.1.1 2.1.1 1.2.1 2.2.1 1.1.2 2.1.2 1.2.2 2.2.2
20024101 18121932 2475 2453 86930559 87495815 5870 4236 Tabel empat arah.
# 4-arah
svytable(~interaction(K4, K5, R6D, R28A), design = survey_design)interaction(K4, K5, R6D, R28A)
1.1.1.0 2.1.1.0 1.2.1.0 2.2.1.0 1.1.2.0 2.1.2.0 1.2.2.0 2.2.2.0 1.1.1.1 2.1.1.1 1.2.1.1 2.2.1.1 1.1.2.1
3073937 6306438 1013 1697 18649570 44698662 1912 1835 3030861 1573946 0 0 11705460
2.1.2.1 1.2.2.1 2.2.2.1 1.1.1.2 2.1.1.2 1.2.1.2 2.2.1.2 1.1.2.2 2.1.2.2 1.2.2.2 2.2.2.2
4638383 0 393 13919303 10241548 1462 756 56575529 38158770 3958 2008 Meskipun bukan statistik deskriptif, mari kita lihat cara mendapatkan uji chi-kuadrat sambil membahas tabel. Tentu saja, hanya tabel dua arah yang dapat ditentukan.
svychisq(~K4+K5, survey_design, statistic="adjWald")
Design-based Wald test of association
data: svychisq(~K4 + K5, survey_design, statistic = "adjWald")
F = 0.31065, ndf = 1, ddf = 8332, p-value = 0.5773Grafik variabel kontinu
Mari kita mulai dengan histogram. Secara default, density ditampilkan pada sumbu y.
svyhist(~R6A, survey_design)
Pengkodean K9
svyhist(~K9, survey_design, probability = FALSE)
Kita juga bisa membuat boxplots.
svyboxplot(~R6B_P~1, survey_design, all.outliers=TRUE)
Kita dapat memecah boxplot dengan variabel kelompok. Variabel kelompok harus berupa faktor.
svyboxplot(~R6B_P~factor(K4), survey_design, all.outliers=TRUE)
Kita bisa membuat diagram batang. Pada contoh di bawah, kami juga memperlihatkan beberapa sintaks yang digunakan untuk analisis subpopulasi.
barplt<-svyby(~R18B+R28C, ~K4, survey_design, na = TRUE, svymean)
barplot(barplt,beside=TRUE,legend=TRUE)
dotchart(barplt)
Kita dapat membuat scatterplot dengan bobot sampling yang sesuai dengan ukuran bubble.
svyplot(~R18B+R28C, survey_design, style="bubble")
Ada berbagai macam plot dengan kepadatan dan kehalusan yang dapat dibuat. Beberapa contohnya ada di bawah.
smth<-svysmooth(~R18B, design=survey_design)
plot(smth)
dens<-svysmooth(~R18B, design=survey_design,bandwidth=30)
plot(dens)
dens1<-svysmooth(~R18B, design=survey_design)
plot(dens1)