Write text and code here.

연구 목적 및 배경 설명

What is (are) your main question(s)? What is your story? What does the final graphic show?

데이터에 대한 개괄적인 설명

Explain where the data came from, what agency or company made it, how it is structured, what it shows, etc.

데이터 정제 및 가공 과정

Describe and show how you cleaned and reshaped the data

data_clean <- data %>%
  mutate(
    장애여부 = ifelse(p1901_8 == 0, "비장애인", "장애인"),
    취업여부 = case_when(
      p19_cp == 1 ~ "취업",   # 예: p19_cp가 취업여부 코드일 때
      p19_cp == 2 ~ "비취업",
      TRUE ~ NA_character_
    ),
    근로시간 = as.numeric(p19_ws_c),   # 예: 근로시간
    근로소득 = as.numeric(p19_wg_c)    # 예: 근로소득
  ) %>%
  filter(!is.na(장애여부), !is.na(취업여부), !is.na(근로시간), !is.na(근로소득))

데이터 분석

Describe and show how you analyzed the data

# 요약통계 및 빈도표

# 장애 여부별 인원수
table(data_clean$장애여부)
## 
## 장애인 
##     73
# 취업 여부별 인원수
table(data_clean$취업여부)
## 
## 취업 
##   73
# 근로시간 및 근로소득 기초통계
data_clean %>%
  summarise(
    평균근로시간 = mean(근로시간),
    평균근로소득 = mean(근로소득)
  )
## # A tibble: 1 × 2
##   평균근로시간 평균근로소득
##          <dbl>        <dbl>
## 1        0.502        2690.

그래프 만들기

library(ggplot2)
library(scales)

fig1_data <- data_clean %>%
  group_by(장애여부, 취업여부) %>%
  summarise(인원수 = n(), .groups = 'drop') %>%
  group_by(장애여부) %>%
  mutate(비율 = 인원수 / sum(인원수))

ggplot(fig1_data, aes(x = 장애여부, y = 비율, fill = 취업여부)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.7, color = "black") +  # 테두리로 구분감 줌
  scale_y_continuous(labels = percent_format(accuracy = 1)) +
  scale_fill_manual(values = c("취업" = "#4E79A7", "비취업" = "#F28E2B")) +  # 색상 대비 높임
  labs(
    title = "장애여부별 취업율 비교",
    x = "장애여부",
    y = "비율(%)",
    fill = "취업여부"
  ) +
  theme_minimal(base_family = "NanumGothic") +
  theme(
    plot.title = element_text(size = 16, face = "bold", hjust = 0.5),
    axis.title = element_text(size = 13),
    axis.text = element_text(size = 11),
    legend.position = "top",
    legend.title = element_text(size = 12),
    legend.text = element_text(size = 11)
  )

ggplot(data_clean, aes(x = 장애여부, y = 근로시간, fill = 장애여부)) +
  geom_boxplot(alpha = 0.8, color = "black", outlier.color = "red", outlier.size = 2) +
  scale_fill_manual(values = c("비장애인" = "#59A14F", "장애인" = "#E15759")) +
  labs(
    title = "장애여부별 근로시간 분포",
    x = "장애여부",
    y = "근로시간 (시간)"
  ) +
  theme_minimal(base_family = "NanumGothic") +
  theme(
    legend.position = "none",
    plot.title = element_text(size = 16, face = "bold", hjust = 0.5),
    axis.title = element_text(size = 13),
    axis.text = element_text(size = 11)
  )

ggplot(data_clean, aes(x = 근로소득, fill = 장애여부)) +
  geom_density(alpha = 0.5) +
  scale_fill_manual(values = c("비장애인" = "#59A14F", "장애인" = "#E15759")) +
  labs(
    title = "장애여부별 근로소득 분포",
    x = "근로소득 (원)",
    y = "밀도"
  ) +
  theme_minimal(base_family = "NanumGothic") +
  theme(
    plot.title = element_text(size = 16, face = "bold", hjust = 0.5),
    axis.title = element_text(size = 13),
    axis.text = element_text(size = 11),
    legend.position = "top",
    legend.title = element_text(size = 12),
    legend.text = element_text(size = 11)
  )

Figure 1

Describe and show how you created the first figure. Why did you choose this figure type?

Figure 1은 장애인과 비장애인의 취업 비율을 비교한 막대그래프이다.
막대그래프를 선택한 이유는 집단별 취업 상태 차이를 직관적으로 비교하기 용이하기 때문이다.
색상은 대비를 주어 취업/비취업 상태를 쉽게 구분하도록 하였다.

Figure 2

Figure 2는 장애여부에 따른 근로시간 분포를 상자그림으로 나타냈다.
상자그림은 데이터의 중앙값과 사분위 범위 등 분포 특성을 시각화하기에 적합하다.
색상은 동일 그룹 내 명확한 구분을 위해 활용하였다.

Figure 3

Figure 3은 장애여부별 근로소득 분포를 밀도그래프로 표현하였다.
밀도그래프는 데이터 분포 형태를 부드럽게 보여주어 분포 차이를 시각적으로 확인하기 적합하다.
투명도 조절을 통해 두 집단 분포의 중첩을 쉽게 파악할 수 있도록 디자인하였다.

In showing the figures that you created, describe why you designed it the way you did. Why did you choose those colors, fonts, and other design elements?