Levekårsundsersøkelsen i Bergen - lunsjprosjekt for å lære markdown i Rstudio

Bruker data fra levekårsundersøkelsen i Bergen. Data er tilgjengelig som en pdf fra Bergen kommune sine nettsider.

# Dataloading and preparations

library(ggplot2)                                      # loading ggplot for use in plotting
library(foreign)                                      # loading foreign for SPSS import
library(xtable)                                       # for describing data


levekar <- read.spss("data.sav", to.data.frame = TRUE, reencode = TRUE) 


scatterlabels <- c("Sosialhjelp til unge", 
                   "Barnevernstilfeller", 
                   "Lav utdanning", 
                   "Median bruttoinnt.", 
                   "Barnefattigdom", 
                   "Barneflytting", 
                   "Kommunale boliger", 
                   "Kriminalitet", 
                   "Uførepensjon", 
                   "Sykefravær", 
                   "Dødelighet")

scattersub <- data.frame(levekar$sosialhjelptilunge, 
                         levekar$barnevernstilfeller, 
                         levekar$lavutdannign, 
                         levekar$medianbruttoinntekt, 
                         levekar$barnefattigdom, 
                         levekar$barneflytting, 
                         levekar$kommunaleboliger,  
                         levekar$kriminalitet,  
                         levekar$uforepensjon,  
                         levekar$sykefraver, 
                         levekar$dodelighet)

names(scattersub) <- scatterlabels

# Subsetting data

income <- data.frame(levekar$medianbruttoinntekt,
                         levekar$sosialhjelptilunge, 
                         levekar$barnevernstilfeller, 
                         levekar$barnefattigdom, 
                         levekar$barneflytting, 
                         levekar$kommunaleboliger,  
                         levekar$kriminalitet,  
                         levekar$dodelighet)

incomelabs <- c("Median bruttoinntekt",
                "Sosialhjelp til unge",
                "Barnevernstilfeller",
                "Barnefattigdom",
                "Barneflytting",
                "Kommunale boliger",
                "Kriminalitet",
                "Dødelighet")

names(income) <- incomelabs



education <- data.frame(levekar$lavutdannign,
                         levekar$sosialhjelptilunge, 
                         levekar$barnevernstilfeller, 
                         levekar$barnefattigdom, 
                         levekar$barneflytting, 
                         levekar$kommunaleboliger,  
                         levekar$kriminalitet,  
                         levekar$dodelighet)

edulabs <-  c("Lav utdanning",
                "Sosialhjelp til unge",
                "Barnevernstilfeller",
                "Barnefattigdom",
                "Barneflytting",
                "Kommunale boliger",
                "Kriminalitet",
                "Dødelighet")


names(education) <- edulabs

Beskrivelse av datasettet

Bruker xtable sin html funksjon for å beskrive datasettet direkte i tabellform.

print(xtable(levekar[1:13]), type="html",include.rownames=FALSE)

Figur 1 - Sammenheng mellom utvalgte variabler i datasettet

En scattermatrise over alle råvariablene i datasettet. Dette inneholder også index-variabler, men disse er ekskludert i det følgende plottet.

pairs(scattersub, cex.labels = 1.1, 
      lower.panel=panel.smooth, 
      diag.panel=panel.hist, 
      upper.panel=panel.cor, 
      labels=scatterlabels)

Plottet er en scattermatrise med histogram på diagnoalen, korrelasjoner i øvre halvdel og parvise scatterplot med smoother på nedre halvdel. For å lage plottet er følgende funksjoner definert (og endret) fra standardfunksjonenen i pairs

# Function panel.hist. Changed colour.
panel.hist <- function(x, ...) 
{
    usr <- par("usr"); on.exit(par(usr))
    par(usr = c(usr[1:2], 0, 1.5) )
    h <- hist(x, plot = FALSE)
    breaks <- h$breaks; nB <- length(breaks)
    y <- h$counts; y <- y/max(y)
    rect(breaks[-nB], 0, breaks[-1], y, col="grey80", ...)  # Endret standarfarge 
}

# Function panel.cor. Changed colour.
panel.cor <- function(x, y, digits=2, prefix="", cex.cor, ...) 
{
    usr <- par("usr"); on.exit(par(usr))
    par(usr = c(0, 1, 0, 1))
    r <- abs(cor(x, y))
    txt <- format(c(r, 0.123456789), digits=digits)[1]
    txt <- paste(prefix, txt, sep="")
    if(missing(cex.cor)) cex.cor <- 0.8/strwidth(txt)
    text(0.5, 0.5, txt, cex = 1.5)                        # Fjernet fontstørrelse utfra korrelasjonsstørrelse
}

# Function panel.smooth. Changed colour.
panel.smooth <- function (x, y, col = par("col"), bg = NA, pch = par("pch"), 
    cex = 1, col.smooth = "blue", span = 2/3, iter = 3, ...) # Endret standarfarge
{
    points(x, y, pch = pch, col = col, bg = bg, cex = cex)
    ok <- is.finite(x) & is.finite(y)
    if (any(ok)) 
        lines(stats::lowess(x[ok], y[ok], f = span, iter = iter), 
            col = col.smooth, ...)
}

Er utdanning og inntekt uniformt korrelert med andre indikatorer i datasettet?

Lager først en hjelpefunksjon, lånt fra denne siden.

# Helper function for making correlation table with significance indicator

corstarsl <- function(x) {
    require(Hmisc)
    x <- as.matrix(x)
    R <- rcorr(x)$r
    p <- rcorr(x)$P

    ## define notions for significance levels; spacing is important.
    mystars <- ifelse(p < 0.001, "***", ifelse(p < 0.01, "** ", ifelse(p < 0.05, 
        "* ", " ")))

    ## trunctuate the matrix that holds the correlations to two decimal
    R <- format(round(cbind(rep(-1.11, ncol(x)), R), 2))[, -1]

    ## build a new matrix that includes the correlations with their apropriate
    ## stars
    Rnew <- matrix(paste(R, mystars, sep = ""), ncol = ncol(x))
    diag(Rnew) <- paste(diag(R), " ", sep = "")
    rownames(Rnew) <- colnames(x)
    colnames(Rnew) <- paste(colnames(x), "", sep = "")

    ## remove upper triangle
    Rnew <- as.matrix(Rnew)
    Rnew[upper.tri(Rnew, diag = TRUE)] <- ""
    Rnew <- as.data.frame(Rnew)

    ## remove last column and return the matrix (which is now a data frame)
    Rnew <- cbind(Rnew[1:length(Rnew) - 1])
    return(Rnew)
}

Median bruttoinntekt korrelert med andre indikatorer.

print(xtable(corstarsl(income)), type="html")

Lav utdanning korrelert med andre indikatorer.

print(xtable(corstarsl(education)), type="html")

Noen utvalgte plott med bruk av ggplot2 pakken.

# krim-index

ikrim <- data.frame(levekar$sone, levekar$ikriminalitet)  # create dataframe with interesting variables
names(ikrim) <- c("sone", "ikrim")  # adding names to dataframe
ikrim <- ikrim[with(ikrim, order(ikrim)), ]  # ordering by ascending crimelevels

ikrim.s <- transform(ikrim, sone = reorder(sone, -ikrim))  # dataframe for plot, sorting descending on crimelevel

# krim-prosentskåre

krim <- data.frame(levekar$sone, levekar$kriminalitet)  # create dataframe with interesting variables
names(krim) <- c("sone", "krim")  # adding names to dataframe
krim <- krim[with(krim, order(krim)), ]  # ordering by ascending crimelevels

krim.s <- transform(krim, sone = reorder(sone, -krim))  # dataframe for plot, sorting descending on crimelevel

Figur 2 - Krim (index) i deler av Bergen

qplot(sone, ikrim, data=ikrim.s, geom="bar") +         # making baseplot
  geom_hline(yintercept=mean(ikrim.s$ikrim)) +         # adding a vertical line at mean
  theme (axis.text.x = element_text(angle = 0),            # rotating axis text
       axis.text.y = element_text(angle = 0, hjust=0)) + # rotating axis text and adjusting labels
         coord_flip()                                  # flipping coordinates to get plot sideways

Figur 3 - Krim (prosent) i deler av Bergen

qplot(sone, krim, data=krim.s, geom="bar") +           # making baseplot
  geom_hline(yintercept=mean(krim.s$krim)) +           # adding a vertical line at mean
  theme (axis.text.x = element_text(angle = 0),            # rotating axis text
       axis.text.y = element_text(angle = 0, hjust=0)) + # rotating axis text and adjusting labels
         coord_flip()