knitr::opts_chunk$set(message = FALSE)

Отбор переменных

library(skimr)
sel_data = data %>% select(idind,x_age,xh5,xj72.172, region, status,x_marst, x_educ, x_diplom, xj72.19,xj72.18,xj131.1,x_occup08,xj4.1,xj6,xj6.1a,xj6.2,xj11,xj11.1,xj13,xj14,xj18.2,xj21a,xj21b,xj26,xj29.2.1,xj32, xj60,xj129)
names(sel_data) <- c("id", "age", "sex","childnum","region","location","marital","educ","diplom","religion","belief","mass","occupation","industry","subordinate","meanhourday","meanhourweek","organization","official","worknumber","companydebt","pay_work_cut","vacation","vacationlong","owner","careermove","secondjob","mondaywage","statrtobelieve")

#dim(sel_data)
#skim(sel_data)

Начальное преобразование данных

sel_data = sel_data %>% na_if('НЕТ ОТВЕТА') %>% na_if('ОТКАЗ ОТ ОТВЕТА') %>% na_if('ЗАТРУДНЯЮСЬ ОТВЕТИТЬ')
sel_data$meanhourweek = as.numeric(sel_data$meanhourweek)
sel_data$meanhourday = as.numeric(sel_data$meanhourday)
sel_data$mondaywage = as.numeric(sel_data$mondaywage)
sel_data$age = as.numeric(sel_data$age)
sel_data$childnum = as.numeric(sel_data$childnum)
sel_data %>% skim()

Data summary
Name	Piped data
Number of rows	12228
Number of columns	29
_______________________
Column type frequency:
factor	23
numeric	6
________________________
Group variables	None

Variable type: factor

skim_variable	n_missing	complete_rate	ordered	n_unique	top_counts
sex	0	1.00	FALSE	2	ЖЕН: 6941, МУЖ: 5287
region	0	1.00	FALSE	38	Мос: 1063, Рес: 556, Мос: 547, Кра: 420
location	0	1.00	FALSE	4	Обл: 4990, Сел: 3285, Гор: 3133, ПГТ: 820
marital	1820	0.85	FALSE	6	Сос: 4967, Ник: 2122, Bдо: 1443, Жив: 957
educ	1827	0.85	FALSE	24	ест: 2625, тех: 2227, 10 : 1596, сре: 1334
diplom	1827	0.85	FALSE	6	зак: 3087, зак: 2738, зак: 2719, нез: 990
religion	1962	0.84	FALSE	32	ПРА: 8309, НИ : 1084, МУС: 759, КАТ: 14
belief	2245	0.82	FALSE	5	Вы : 4751, Вы : 2755, Вы : 1441, Вы : 709
mass	4907	0.60	FALSE	7	НЕС: 2633, НИК: 1795, РЕЖ: 1267, РАЗ: 977
occupation	7143	0.42	FALSE	10	спе: 995, раб: 923, спе: 906, ква: 641
industry	7157	0.41	FALSE	30	ТОР: 1069, ОБР: 549, ТРА: 461, ЗДР: 377
subordinate	7129	0.42	FALSE	2	Нет: 4145, Да: 954, ЗАТ: 0, ОТК: 0
organization	7127	0.42	FALSE	2	Вы : 4665, Не : 436, ЗАТ: 0, ОТК: 0
official	7582	0.38	FALSE	2	Офо: 4296, Не : 350, ЗАТ: 0, ОТК: 0
worknumber	8834	0.28	FALSE	196	100: 196, 50: 185, 30: 182, 20: 171
companydebt	7576	0.38	FALSE	2	Нет: 4547, Да: 105, ЗАТ: 0, ОТК: 0
pay_work_cut	7589	0.38	FALSE	2	Нет: 4420, Да: 219, ЗАТ: 0, ОТК: 0
vacation	7576	0.38	FALSE	2	Да: 3320, Нет: 1332, ЗАТ: 0, ОТК: 0
vacationlong	8919	0.27	FALSE	66	28: 1342, 14: 363, 30: 205, 36: 157
owner	7577	0.38	FALSE	2	Нет: 4521, Да: 130, ЗАТ: 0, ОТК: 0
careermove	7875	0.36	FALSE	2	Нет: 4217, Да: 136, ЗАТ: 0, ОТК: 0
secondjob	7122	0.42	FALSE	2	Нет: 4936, Да: 170, ЗАТ: 0, ОТК: 0
statrtobelieve	5145	0.58	FALSE	2	СТА: 4255, ВЕР: 2828, ЗАТ: 0, ОТК: 0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
id	0	1.00	37025.83	16722.08	3	26040.75	39742.5	50990.75	59413	▂▂▅▆▇
age	0	1.00	43.36	23.06	1	25.00	44.0	62.00	98	▆▇▇▆▂
childnum	4537	0.63	1.79	0.86	1	1.00	2.0	2.00	9	▇▁▁▁▁
meanhourday	7276	0.40	15.89	7.50	1	6.00	21.0	21.00	23	▃▁▁▁▇
meanhourweek	7451	0.39	41.15	11.09	1	38.00	38.0	46.00	83	▁▂▇▁▁
mondaywage	2049	0.83	810.26	541.32	1	342.00	811.0	1283.00	1791	▇▆▆▇▅

Исходя из крайней искаженности данных в столбце meanhourday (то есть много данных с 20+ часов), мы решили работать со временем, измеренным в часах в неделю.

religion2=sel_data
#Anderson-Darling & Shapiro tests 
ad.test(religion2$meanhourday)

## 
##  Anderson-Darling normality test
## 
## data:  religion2$meanhourday
## A = 745.75, p-value < 2.2e-16

shapiro.test(religion2$meanhourday)

## 
##  Shapiro-Wilk normality test
## 
## data:  religion2$meanhourday
## W = 0.68341, p-value < 2.2e-16

ad.test(religion2$meanhourweek)

## 
##  Anderson-Darling normality test
## 
## data:  religion2$meanhourweek
## A = 262.63, p-value < 2.2e-16

shapiro.test(religion2$meanhourweek)   #тесты показывают ненормальность распределения на уровне значимости <0.001

## 
##  Shapiro-Wilk normality test
## 
## data:  religion2$meanhourweek
## W = 0.87799, p-value < 2.2e-16

# Distribution of CONT variable
ggdensity(data=religion2, x = "meanhourweek", fill = "light blue", title = "meanhourweak") + labs(title = "Плотность распределения рабочего времени в неделю", x = "Время в часах в неделю", y = "Плотность распределения") +
scale_x_continuous(limits = c(0, 86)) +
stat_overlay_normal_density(color = "red", linetype = "dashed") + theme_bw() + theme(text = element_text(size=12), axis.text.x = element_text(angle=90, hjust=1), plot.background = element_rect())

## Warning: Removed 7451 rows containing non-finite values (stat_density).

## Warning: Removed 7451 rows containing non-finite values
## (stat_overlay_normal_density).

## Warning: Removed 40 row(s) containing missing values (geom_path).

religion2$meanhourday=as.numeric(religion2$meanhourday) 

# Distribution of PHYS variable
ggdensity(data=religion2, x = "meanhourday", fill = "light blue", title = "meanhourday") + labs(title = "Плотность распределения рабочего времени в день", x = "Время в часах в день", y = "Плотность распределения") +
scale_x_continuous(limits = c(0, 23)) +
stat_overlay_normal_density(color = "red", linetype = "dashed") + theme_bw() + theme(text = element_text(size=12), axis.text.x = element_text(angle=90, hjust=1), plot.background = element_rect())

## Warning: Removed 7276 rows containing non-finite values (stat_density).

## Warning: Removed 7276 rows containing non-finite values
## (stat_overlay_normal_density).

## Warning: Removed 325 row(s) containing missing values (geom_path).

#исходя из данных расчетов, можем использовать только непараметрические тесты

По той причине, что мы рассматриваем время работы, а в датасете есть и крайне молодые, и пожилые люди, мы решили распределить взраст по 4 категориям

sel_data$age %>% summary()

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00   25.00   44.00   43.36   62.00   98.00

#98 человек не работают -> подравняем возраст  
sel_data = sel_data %>% filter(age<=70 & age> 14)
sel_data = sel_data %>% mutate(age_cat = case_when(age<=17 ~ "школьники",
                                        age>17 & age <=30 ~'репр.возр.молодежь',
                                        age>30 & age <=60 ~'мужчины и женщины',
                                        age>60~"пожилые",
                                        TRUE~ 'другое'))
sel_data %>% filter(age_cat!='школьники') %>% ggplot()+geom_boxplot(mapping = aes(x = as.factor(age_cat) ,y=meanhourweek)) + labs(title = "Распределение рабочего времени в неделю по возрасту", x = "Возрастная категория", y = "Часы в неделю") + theme_bw() + theme(text = element_text(size=9), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect())

## Warning: Removed 3723 rows containing non-finite values (stat_boxplot).

Столбцы, связанные с религией

Много различных религий с очень малыми количествами наблюдений. Кроме этого, некоторые религии сгруппированы неправильно, и мы решили оставить глобальные религии (несмотря на малое количество наблюдений), а все остальное определить общей группой “Другое”.

#Религия 
sel_data %>% count(religion)

##                                          religion    n
## 1                                     ПРАВОСЛАВИЕ 6982
## 2                                      КАТОЛИЦИЗМ    9
## 3                                   ПРОТЕСТАНТИЗМ   10
## 4                                   МУСУЛЬМАНСТВО  678
## 5                                         ИУДАИЗМ    4
## 6                                БУДДИЗМ, ЛАМАИЗМ    7
## 7                                       КРИШНАИЗМ    3
## 8                                         ИНДУИЗМ    1
## 9                                СВИДЕТЕЛИ ИЕГОВЫ    5
## 10                                   ХРИСТИАНСТВО    9
## 11              ВЕРЮ ВО ЧТО-ТО СВЕРХЪЕСТЕСТВЕННОЕ    2
## 12                                        БАПТИСТ    2
## 13                                      СТАРОВЕРЫ    2
## 14                 АРМЯНСКАЯ АПОСТОЛЬСКАЯ ЦЕРКОВЬ    2
## 15                                    ЕВАНГЕЛИСТЫ    2
## 16                              В БОГА ВЕРЮ И ВСЕ    1
## 17                                          ИСЛАМ    1
## 18 Я НЕ РАЗБИРАЮСЬ, ВЕРЮ НЕМНОГО ВО ЧТО-ТО ВЫСШЕЕ    1
## 19            АРМЯНО-ГРИГОРИАНСКАЯ, ГРИГОРИАНСТВО    4
## 20                                      ЯЗЫЧЕСТВО    7
## 21                            ОБЪЕДИНЕНИЕ РЕЛИГИЙ    1
## 22                 АРМЯНСКАЯ ПРАВОСЛАВНАЯ ЦЕРКОВЬ    3
## 23                                    АГНОСТИЦИЗМ    1
## 24                                ПАСТАФАРИАНСТВО    1
## 25                                 СОЛНЦЕВЕРУЮЩИЙ    7
## 26                                        ДАОСИЗМ    1
## 27                                 БАХАИ, БАХАИЗМ    1
## 28                                         Итсизм    1
## 29                                      Монотеизм    1
## 30                             НИ К КАКОЙ РЕЛИГИИ  958
## 31                                           <NA>  135

sel_data = sel_data %>% mutate(religion1 = case_when(religion=='ПРАВОСЛАВИЕ'| religion == 'ХРИСТИАНСТВО'~'ПРАВОСЛАВИЕ',religion=='БЕЗ РЕЛИГИИ'~'НИ К КАКОЙ РЕЛИГИИ',religion=='МУСУЛЬМАНСТВО'~'МУСУЛЬМАНСТВО',religion=='ПРОТЕСТАНТИЗМ'~'ПРОТЕСТАНТИЗМ',religion=='КАТОЛИЦИЗМ'~'КАТОЛИЦИЗМ', religion =="БУДДИЗМ, ЛАМАИЗМ"~"БУДДИЗМ, ЛАМАИЗМ",religion=="ИУДАИЗМ"~"ИУДАИЗМ", TRUE~"ДРУГОЕ"))
ggplot(data =subset(sel_data,!is.na(religion1)))+geom_boxplot(mapping = aes(x = as.factor(religion1) ,y=meanhourweek)) + labs(title = "Распределение рабочего времени в неделю по религии", x = "Название религии", y = "Часы в неделю") + theme_bw() + theme(text = element_text(size=9), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect())

## Warning: Removed 4119 rows containing non-finite values (stat_boxplot).

Посмотрим, в каком соотношении находятся уровни отношения к религии по различным группам религий - это важно в силу того, что принадлежность к религии не говорит ничего об образе жизни человека, а следовательно, и о времени, проводимом на работе.

#Отношение к религии (by religion)
subset(sel_data,!is.na(belief)) %>%  ggplot()+ geom_bar(aes(x = religion1, fill = belief), position ='fill', na.rm = T) + labs(title = "Отношение к религии и религия", x = "Название религии", y = "Процентное соотношение") + theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=90, hjust=1), plot.background = element_rect()) + scale_fill_manual(values = c("light blue","cadetblue3", "cadetblue4", "deepskyblue", "deepskyblue3"))

legend_title <- "Отношение к вере"

Некоторые тесты требуют бинарность переменной и мы приблизительно разделим значения времени на работе относительно медианы, равной 38.

#median(sel_data$meanhourweek,na.rm= T)
#skim(sel_data$meanhourweek)
sel_data = sel_data %>% mutate(meanhourweek1 = case_when(meanhourweek<40~ 'меньше 40 часов',
                                                         meanhourweek>=40~'не меньше 40 часов',
                                                         TRUE~'unknown'))
sel_data$meanhourweek1 = as.factor(sel_data$meanhourweek1)
sel_data$meanhourweek1 %>% summary() #много NA

##            unknown    меньше 40 часов не меньше 40 часов 
##               4119               2941               1782

Здесь мы разделим людей по семейному положению, исходя из существующих типов ответов.

sel_data = sel_data %>% mutate(marital1 = case_when(marital =="Живете вместе, но не зарегистрированы"|marital == "Состоите в зарегистрированном браке"~'в браке',
                                                    T~"не в браке"))

На данном шаге разделим респондентов на верующих и неверующих(нейтральных), исходя из существующих типов ответов.

sel_data = sel_data %>% mutate(belief_cat = case_when(belief =="Вы верующий человек" |belief =="Вы скорее верующий, чем неверующий человек"~ "Верующий", belief =="Вы скорее неверующий, чем верующий человек"|belief == "Вы неверующий человек"|belief == 'Вы атеист'~"Неверующий"))
ggplot(data =subset(sel_data,!is.na(belief_cat))) + geom_bar(aes(x = belief_cat), na.rm =T,col = 'blue', fill = "light blue")+ labs(title = "Количество людей по отношению к религии", x = "Категория", y = "Количество человек") +  theme_bw() + theme(text = element_text(size=12), axis.text.x = element_text(angle=0, hjust=1), plot.background = element_rect())

Распределение времени работы для вышеприведенных категорий.

sel_data %>% group_by(belief_cat) %>% summarize(m = mean(meanhourweek, na.rm = T))#средние отличаются

## # A tibble: 3 x 2
##   belief_cat     m
##   <chr>      <dbl>
## 1 Верующий    40.9
## 2 Неверующий  42.2
## 3 <NA>        41.5

ggplot(data =subset(sel_data,!is.na(belief_cat)))+geom_boxplot(mapping = aes(x = as.factor(belief_cat), y=as.numeric(meanhourweek)), na.rm =T) + labs(title = "Разница во времени, отведенном на работу в неделю", x = "Категория", y = "Количество часов в неделю") + theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect())

#Верующие и неверующие по религиям 
ggplot(data =subset(sel_data,!is.na(belief_cat)))+geom_boxplot(mapping = aes(x = as.factor(belief_cat), y=as.numeric(meanhourweek),fill = religion1), na.rm=T) +  labs(title = "Разница во времени, отведенном на работу в неделю", x = "Отношение к религии", y = "Количество часов в неделю") +theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect()) + scale_fill_manual(values = c("cyan", "darkslategray1", "cadetblue3", "cadetblue4", "deepskyblue", "deepskyblue3", "deepskyblue4"))

sel_data %>% filter(belief_cat == "Верующий") %>% group_by(religion1) %>% summarize(m = mean(meanhourweek, na.rm = T)) %>% arrange(-m)

## # A tibble: 7 x 2
##   religion1            m
##   <chr>            <dbl>
## 1 ИУДАИЗМ           50.5
## 2 КАТОЛИЦИЗМ        47.6
## 3 БУДДИЗМ, ЛАМАИЗМ  46  
## 4 МУСУЛЬМАНСТВО     41.9
## 5 ДРУГОЕ            41.3
## 6 ПРАВОСЛАВИЕ       40.8
## 7 ПРОТЕСТАНТИЗМ     39

sel_data %>% filter(belief_cat == "Неверующий") %>% group_by(religion1) %>% summarize(m = mean(meanhourweek, na.rm = T)) %>% arrange(-m)

## # A tibble: 4 x 2
##   religion1            m
##   <chr>            <dbl>
## 1 МУСУЛЬМАНСТВО     45.8
## 2 ДРУГОЕ            42.5
## 3 ПРАВОСЛАВИЕ       41.8
## 4 БУДДИЗМ, ЛАМАИЗМ NaN

#Явные раличия у людей в религии среди Верующих и Неверующих заметны среди мусульман и православных

#Пол (в статьях написано, что религиозные женщины работают меньше)
legend_title <- "Пол"
ggplot(data =subset(sel_data,!is.na(belief_cat)))+geom_boxplot(mapping = aes(x = as.factor(belief_cat), y=as.numeric(meanhourweek),fill = sex), na.rm=T)+ labs(title = "Разница во времени, отведенном на работу в неделю, по полу", x = "Отношение к религии", y = "Количество часов в неделю")+ theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect()) + scale_fill_manual(legend_title,values=c("light blue"," cadetblue4"))

sel_data %>% filter(belief_cat == "Верующий") %>% group_by(sex) %>% summarize(m = mean(meanhourweek, na.rm = T)) %>% arrange(-m)

## # A tibble: 2 x 2
##   sex         m
##   <fct>   <dbl>
## 1 МУЖСКОЙ  43.9
## 2 ЖЕНСКИЙ  39.0

sel_data %>% filter(belief_cat == "Неверующий") %>% group_by(sex) %>% summarize(m = mean(meanhourweek, na.rm = T)) %>% arrange(-m)

## # A tibble: 2 x 2
##   sex         m
##   <fct>   <dbl>
## 1 МУЖСКОЙ  43.9
## 2 ЖЕНСКИЙ  38.8

 #противоречие (у нас наоборот), посмотрим для опрделенных религий

legend_title <- "Пол"
sel_data %>% filter(belief_cat == "Верующий") %>% group_by(sex,religion1) %>% summarize(m = mean(meanhourweek, na.rm = T)) %>% arrange(-m) %>%  ggplot() + geom_bar(aes(x=religion1,y = m, fill = sex),stat = 'identity', position = 'dodge')+ labs(title = "Разница во времени, отведенном на работу в неделю, по полу", x = "Религия", y = "Количество часов в неделю")+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) +theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect()) + scale_fill_manual(legend_title,values=c("light blue"," cadetblue4"))

## Warning: Removed 3 rows containing missing values (geom_bar).

#Верующие мусульманки в среднем работают больше часов в неделю и нам нужно определить, почему это так

Здесь мы посмотрим на распределения времени относительно количества детей в семье, а потом, разбив семьи на многодетные и малодетные, посмотрим, как время на работе распределено по религиям для двух типов семей.

a = sel_data %>% filter(childnum <8)
ggplot(data =subset(a,!is.na(childnum)))+geom_boxplot(mapping = aes(x = as.factor(childnum) ,y=as.numeric(meanhourweek,na.rm = T))) + labs(title = "Разница во времени, отведенном на работу в неделю, по наличию детей", x = "Количество детей", y = "Количество часов в неделю")+ theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect())

## Warning: Removed 2568 rows containing non-finite values (stat_boxplot).

#Для упрощения  
sel_data = sel_data %>% mutate(fam_cat = case_when(childnum<=2 ~ "малодетные", childnum>2~"многодетные",
TRUE~""))

sel_data %>%filter(fam_cat!='') %>%  ggplot() + geom_boxplot(mapping = aes(x =as.factor(fam_cat),y=meanhourweek,fill = religion1))+ labs(title = "Разница во времени, отведенном на работу в неделю, по количеству детей", x = "Категория семьи", y = "Количество часов в неделю") + theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect())  + scale_fill_manual(values = c("cyan", "darkslategray1", "cadetblue3", "cadetblue4", "deepskyblue", "deepskyblue3", "deepskyblue4"))

## Warning: Removed 2575 rows containing non-finite values (stat_boxplot).

Формальная и неформальная занятость

Пропорции официально и неофициально устроенных по отношению к религии.

off = sel_data %>% filter(!is.na(official))
legend_title <- "Трудоустройство"
ggplot(data =subset(off,!is.na(belief_cat))) + geom_bar(aes(x = belief_cat, fill = official), na.rm =T,position = 'fill' )   + labs(color = "Занятость" , title = "Соотношения формально и неформально занятых по \n отношению к религии", x = "Отношение к религии", y = "Процентное соотношение")+ theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect()) + scale_fill_manual(legend_title,values=c("light blue"," cadetblue4"))

legend_title <- "Трудоустройство"
ggplot(data =subset(off,!is.na(belief_cat)))+geom_boxplot(mapping = aes(x = as.factor(belief_cat), y=as.numeric(meanhourweek),fill = official), na.rm=T)+ labs(title = "Разница во времени, отведенном на работу в неделю, по типу трудоустройства", x = "Отношение к религии", y = "Количество часов в неделю")+ theme_bw() + theme(text = element_text(size=9), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect()) + scale_fill_manual(legend_title,values=c("light blue"," cadetblue4"))

Законченное образование

Пропорции людей с законченным и незаконченным образованиями по отношению к религии.

sel_data$diplom %>% unique()

## [1] законченное среднее образование                          
## [2] незаконченное среднее образование (7 - 8 кл)             
## [3] законченное среднее специальное образование              
## [4] законченное высшее образование и выше                    
## [5] незаконченное среднее образование (7 - 8 кл) + что-то еще
## [6] окончил 0 - 6 классов                                    
## [7] <NA>                                                     
## 9 Levels: окончил 0 - 6 классов ...

sel_data = sel_data %>% mutate(finished = case_when(diplom =="законченное среднее специальное образование"|diplom == 'законченное высшее образование и выше'|diplom == 'законченное среднее образование'~"законченное",
                                                    TRUE~'незакончнное'))

legend_title <- "Тип образования"
ggplot(data =subset(sel_data,!is.na(belief_cat))) + geom_bar(aes(x = belief_cat, fill = finished), na.rm =T,position = 'fill' )+ labs(title = "Соотношения по наличию высшего или среднего оразования", x = "Отношение к религии", y = "Процентное соотношение") + theme_bw() + theme(text = element_text(size=10), axis.text.x = element_text(angle=40, hjust=1), plot.background = element_rect()) + scale_fill_manual(legend_title,values=c("light blue"," cadetblue4"))

legend_title <- "Тип образования"
ggplot(data =subset(sel_data,!is.na(belief_cat)))+geom_boxplot(mapping = aes(x = as.factor(belief_cat), y=as.numeric(meanhourweek),fill = finished), na.rm=T)+ labs(title = "Разница во времени, отведенному на работу в неделю, по наличию образования", x = "Категория", y = "Количество часов в неделю")+ theme_bw() + theme(text = element_text(size=9), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect()) + scale_fill_manual(legend_title,values=c("light blue"," cadetblue4"))

sel_data_filtered = sel_data %>% filter(meanhourweek1=='меньше 40 часов'|meanhourweek1=='не меньше 40 часов')

Общая стратегия работы с тестами Тесты По той причине, что религия человека и отношение к религии не являются явными аргументами в используемых нами функциях, была выбрана следующая стратегия работы: 1. Создать бинарную переменную для отношения к религии. 2. Посмотреть, есть ли различия в средних по времени работы для бинарной переменной по религии. 3. Гипотеза 4. Посмотреть, есть ли различия в распределении по рассматриваемой переменной, учитывая отношения к религии, с учетом бинарной переменной с помощью различных тестов в зависимости от количества категорий и типов данных. 5. Интерпретировать результат

Распрдеделение целевой переменной (среднего времени) не соответствует нормальному и по этой причине мы импользуем непараметрические тесты

Тест 1

Религия

\(H_0\) нет разницы во времени работы между различными религиями

Исходя из статистической значимости результата, отвергаем нулевую гипотезу на уровне значимости 0,01 по критерию Краскела-Уоллиса.

sel_data$religion1 = as.factor(sel_data$religion1)

kruskal.test(meanhourweek~religion1, data = sel_data)

## 
##  Kruskal-Wallis rank sum test
## 
## data:  meanhourweek by religion1
## Kruskal-Wallis chi-squared = 19.985, df = 6, p-value = 0.002787

#наблюдаются значимые различия на уровне 0,01, движемся дальше

Статистический тест на различия между религиями и верующими/неверующими +тест на различия между типами отношения к религии

Тест 2

\(H_0\) нет разницы во времени на работе среди верующих и неверующих

Результат теста: различия во времени работы для разных людей по религии могут объяснятся тем, что они придержиыаются различных позиций относительно религии (верующий/неверующий) и результат устойчив (Критерий Хи-квадрат + тест Краскела-Уоллиса)

#1 
ch  = chisq.test(sel_data$religion1, sel_data$belief_cat) #в распределении различия наблюдаются

## Warning in chisq.test(sel_data$religion1, sel_data$belief_cat): Chi-squared
## approximation may be incorrect

ch$observed

##                   sel_data$belief_cat
## sel_data$religion1 Верующий Неверующий
##   БУДДИЗМ, ЛАМАИЗМ        6          1
##   ДРУГОЕ                129        907
##   ИУДАИЗМ                 4          0
##   КАТОЛИЦИЗМ              9          0
##   МУСУЛЬМАНСТВО         575         34
##   ПРАВОСЛАВИЕ          5509       1260
##   ПРОТЕСТАНТИЗМ           7          0

#2 сделан выше в графиках
#3 
sel_data$belief_cat  = as.factor(sel_data$belief_cat)
wilcox.test(meanhourweek~belief_cat, data = sel_data)

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by belief_cat
## W = 1861734, p-value = 0.0001317
## alternative hypothesis: true location shift is not equal to 0

#есть статистически значимые различия между отношением к религии по критерию Манна-Уитни

#по очищенному датасету с категориальным временем сделаем тест 
independence_test(meanhourweek~belief_cat, data = sel_data)

## 
##  Asymptotic General Independence Test
## 
## data:  meanhourweek by belief_cat (Верующий, Неверующий)
## Z = -3.4236, p-value = 0.0006179
## alternative hypothesis: two.sided

chisq.test(sel_data_filtered$meanhourweek1, sel_data_filtered$belief_cat)#значимая разница

## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  sel_data_filtered$meanhourweek1 and sel_data_filtered$belief_cat
## X-squared = 5.9651, df = 1, p-value = 0.01459

Тест 3

\(H_0\) нет разницы во времени на работе среди мужчин и женщин

Результат теста: различия во времени работы для разных людей по религии могут объясняться полом респондента

#1 Различия в распределении по полу наблюдаются 
ch  = chisq.test(sel_data$sex, sel_data$belief_cat)
ch$observed

##             sel_data$belief_cat
## sel_data$sex Верующий Неверующий
##      МУЖСКОЙ     2285       1389
##      ЖЕНСКИЙ     3954        813

#2 тот же самый из прошлого чанка 
#3 
wilcox.test(meanhourweek~sex,data = sel_data) #выполняется по критерию Манна-Уитни

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by sex
## W = 3498394, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0

#Результат теста: различия во времени работы для разных людей по религии могут объяснятся полом

Тест 4

Семейное положение (Marital)

\(H_0\) нет разницы по временем работы среди верующих и неверующих людей в зависимости от семейного положения

Результаты тестов Хи-Квадрат показали незначимые различия, а по тесту Краскела-Уоллиса статистически значимый результат на уровне 0,1. Из этого следует неустойчивость результата, т.е не “robust”. Различия между верующими и неверующими могут наблюдается в категории “Вдовец (вдова)”, но во всех остальных случаях результат статистически незначим. Различия во времени работы для разных групп по религии скорее не могут объясняться тем, что они находятся в разных семейных положениях.

#Тест для исходной переменной marital 
#1 Различия есть 
chisq = chisq.test(sel_data$marital, sel_data$belief_cat)
chisq$observed

##                                                      sel_data$belief_cat
## sel_data$marital                                      Верующий Неверующий
##   Никогда в браке не состояли                             1189        715
##   Состоите в зарегистрированном браке                     3308        960
##   Живете вместе, но не зарегистрированы                    621        256
##   Разведены и в браке не состоите                          568        175
##   Bдовец (вдова)                                           531         80
##   ОФИЦИАЛЬНО ЗАРЕГИСТРИРОВАНЫ, НО ВМЕСТЕ НЕ ПРОЖИВАЮТ       18         15

#2+
#3+ 
kruskal.test(meanhourweek~marital, data=sel_data) #на уровне 0.1

## 
##  Kruskal-Wallis rank sum test
## 
## data:  meanhourweek by marital
## Kruskal-Wallis chi-squared = 11.21, df = 5, p-value = 0.04736

#Результат теста: различия во времени работы для разных людей по религии могут объяснятся тем, что у них разное семейное положение 
sel_data$marital %>% unique()

## [1] Bдовец (вдова)                                     
## [2] Состоите в зарегистрированном браке                
## [3] Живете вместе, но не зарегистрированы              
## [4] Никогда в браке не состояли                        
## [5] Разведены и в браке не состоите                    
## [6] ОФИЦИАЛЬНО ЗАРЕГИСТРИРОВАНЫ, НО ВМЕСТЕ НЕ ПРОЖИВАЮТ
## [7] <NA>                                               
## 9 Levels: Никогда в браке не состояли ... НЕТ ОТВЕТА

#Проверим устойчивость теста, проведением теста Хи-Квадрат для каждой отдельной категории семейного статуса 
chi_data = sel_data %>% select(meanhourweek, belief_cat, marital)
chi_data$x1 = ifelse(sel_data$marital =='Состоите в зарегистрированном браке',1,0)
chi_data$x2 = ifelse(sel_data$marital =='Живете вместе, но не зарегистрированы',1,0)
chi_data$x3 = ifelse(sel_data$marital =='Разведены и в браке не состоите',1,0)
chi_data$x4 = ifelse(sel_data$marital =='Bдовец (вдова)',1,0)
chi_data$x5 = ifelse(sel_data$marital =='Никогда в браке не состояли',1,0)
chi_data$x6 = ifelse(sel_data$marital =='ОФИЦИАЛЬНО ЗАРЕГИСТРИРОВАНЫ, НО ВМЕСТЕ НЕ ПРОЖИВАЮТ',1,0)
chi_data =chi_data %>%  mutate_if(is.numeric, as.factor)
chi_data$meanhourweek = as.numeric(chi_data$meanhourweek)
t1 = wilcox.test(meanhourweek~x1,data = chi_data)
t2 = wilcox.test(meanhourweek~x2,data = chi_data)
t3 = wilcox.test(meanhourweek~x3,data = chi_data)
t4 = wilcox.test(meanhourweek~x4,data = chi_data)
t5 = wilcox.test(meanhourweek~x5,data = chi_data)
t6 = wilcox.test(meanhourweek~x6,data = chi_data)
t1 #-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x1
## W = 2724434, p-value = 0.8941
## alternative hypothesis: true location shift is not equal to 0

t2#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x2
## W = 1156318, p-value = 0.1315
## alternative hypothesis: true location shift is not equal to 0

t3#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x3
## W = 980335, p-value = 0.4127
## alternative hypothesis: true location shift is not equal to 0

t4#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x4
## W = 545678, p-value = 0.004992
## alternative hypothesis: true location shift is not equal to 0

t5#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x5
## W = 1427998, p-value = 0.2605
## alternative hypothesis: true location shift is not equal to 0

t6#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x6
## W = 31171, p-value = 0.9024
## alternative hypothesis: true location shift is not equal to 0

Тест 4.1 - Marital1 - упрощенный

\(H_0\) нет разницы во времени работы среди людей в браке и не в браке.(т.е среди тех, кто проживают вместе и нет)

Различия во времени работы для разных групп по религии не могут объясняться семейным положением (в браке и не в браке)

Исходя из этих тестов, результат устойчиво статистически незначим по критерию Манна-Уитни

#1 Различия есть 
ch  = chisq.test(sel_data$marital1, sel_data$belief_cat)
ch$observed

##                  sel_data$belief_cat
## sel_data$marital1 Верующий Неверующий
##        в браке        3929       1216
##        не в браке     2310        986

#2 + 
#3 различия не подтверждаются - результат статистически незначим
wilcox.test(meanhourweek~marital1, data=sel_data)

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by marital1
## W = 2384837, p-value = 0.322
## alternative hypothesis: true location shift is not equal to 0

Тест 5

\(H_0\) нет разницы между верующими замужними женщинами

Результат статистически незначим по тесту перестановок, т.е черная вертикальная линия показывает, что значение разницы в средних превосходит допустимые интервалы 5% и даже 10% (точнее по 2,5 и 5 слева и справа на графике распределения случайных разниц соотвественно), что говорит о высоком значении p-value. Различия во времени работы в данной выборке для разных групп по религии скорее не могут объясняться семейным положением (в браке) верующих и неверующих женщин. Мы не можем сделать вывода о какой-либо разнице, исходя из результата теста.

a = sel_data %>% filter(!is.na(meanhourweek))
a = a %>% filter(!is.na(belief_cat))
all_means = a %>% group_by(sex, belief_cat,marital1) %>% summarize(mean = mean(meanhourweek,na.rm =T))
all_means

## # A tibble: 8 x 4
## # Groups:   sex, belief_cat [4]
##   sex     belief_cat marital1    mean
##   <fct>   <fct>      <chr>      <dbl>
## 1 МУЖСКОЙ Верующий   в браке     44.0
## 2 МУЖСКОЙ Верующий   не в браке  43.3
## 3 МУЖСКОЙ Неверующий в браке     44.1
## 4 МУЖСКОЙ Неверующий не в браке  43.5
## 5 ЖЕНСКИЙ Верующий   в браке     38.9
## 6 ЖЕНСКИЙ Верующий   не в браке  39.2
## 7 ЖЕНСКИЙ Неверующий в браке     38.6
## 8 ЖЕНСКИЙ Неверующий не в браке  39.1

difference = all_means$mean[5] - all_means$mean[7]
difference

## [1] 0.2608339

set.seed(1)
count_diff <- function(number_of_permutations = 1000) {
 diff.random  <- rep(NA_real_, number_of_permutations) 
                                                      
  for (i in 1 : number_of_permutations) {
    
   
    shuffled = sample(a$meanhourweek, nrow(a))
    
    
    bel.random = shuffled[a$sex == "ЖЕНСКИЙ" & a$belief_cat=='Верующий' & a$marital1=='в браке'] 
    
    notbel.random = shuffled[a$sex == "ЖЕНСКИЙ" & a$belief_cat=='Неверующий' & a$marital1=='в браке'] 
    
    
    diff.random[i] = mean(bel.random) - mean(notbel.random)
  }
  return(diff.random)
}

number_of_permutations <- 3500
diff.random <- count_diff(number_of_permutations)

df <- data.frame(diff.random = diff.random)
g <-
  ggplot(df) +
  geom_histogram(aes(diff.random), fill="light blue") +
  geom_vline(xintercept=difference, color="black") # реальная разнмца

q <- quantile(diff.random, c(0.025, 0.975))

g = g +
geom_vline(xintercept=q[1], color="red") +
geom_vline(xintercept=q[2], color="red") + labs(title = "Распределение случайных значений разницы в средних", x = "Распределение переменных", y = "Количество")+ theme_bw() + theme(text = element_text(size=11), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect())
g

Тест 5.1 - женщины

\(H_0\) нет разницы между замужними женщинами, относящихся к Мусульманству и Православию

Результат статистически незначим по тесту перестановок, т.е черная вертикальная линия показывает, что значение разницы в средних превосходит допустимые интервалы 5% и даже 10% (точнее по 2,5 и 5 слева и справа на графике распределения случайных разниц соотвественно), что говорит о высоком (более 10%) значении p-value. Различия во времени работы в данной выборке для разных групп по религии скорее не могут объясняться семейным положением (в браке) мусульманок и православных женщин. Мы не можем сделать вывода о какой-либо разнице, исходя из результата теста.

Проведем идентичный тест для мусульманок и православных женщин, т.к в России эта разница может быть существенной в силу культурных особенностей в определенных регионах + больше данных для этих категорий людей

b = sel_data
rel_test_data = b %>% filter(religion1=="ПРАВОСЛАВИЕ" | religion1=="МУСУЛЬМАНСТВО")
rel_test_data = rel_test_data %>% filter(!is.na(meanhourweek))

wilcox.test(meanhourweek~religion1, rel_test_data)

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by religion1
## W = 393264, p-value = 0.0019
## alternative hypothesis: true location shift is not equal to 0

#общий тест, не учитывающий пола, показал статистическую значимость разницы

all_means1 = rel_test_data %>% group_by(sex, religion1, marital1) %>% summarize(mean = mean(meanhourweek))
all_means1

## # A tibble: 8 x 4
## # Groups:   sex, religion1 [4]
##   sex     religion1     marital1    mean
##   <fct>   <fct>         <chr>      <dbl>
## 1 МУЖСКОЙ МУСУЛЬМАНСТВО в браке     44.9
## 2 МУЖСКОЙ МУСУЛЬМАНСТВО не в браке  39.2
## 3 МУЖСКОЙ ПРАВОСЛАВИЕ   в браке     43.7
## 4 МУЖСКОЙ ПРАВОСЛАВИЕ   не в браке  43.4
## 5 ЖЕНСКИЙ МУСУЛЬМАНСТВО в браке     39.2
## 6 ЖЕНСКИЙ МУСУЛЬМАНСТВО не в браке  44.0
## 7 ЖЕНСКИЙ ПРАВОСЛАВИЕ   в браке     38.9
## 8 ЖЕНСКИЙ ПРАВОСЛАВИЕ   не в браке  39.1

Разница не значима статистически = нет вывода

difference = all_means1$mean[5] - all_means1$mean[7]
difference

## [1] 0.2697584

set.seed(2)
count_diff <- function(number_of_permutations = 1000) {
 diff.random  <- rep(NA_real_, number_of_permutations) 
 # вектор с неопределенными (пустыми) значениями,в который будем записывать вычисленные разницы
  for (i in 1 : number_of_permutations) {
    
    # перемешиваем значения
    shuffled = sample(rel_test_data$meanhourweek, nrow(rel_test_data))
    
    # выбираем те значения, которые после перемешивания относятся к мусульманству
    bel.random = shuffled[rel_test_data$sex == "ЖЕНСКИЙ" & rel_test_data$religion1=='МУСУЛЬМАНСТВО' & rel_test_data$marital1=='в браке'] 
    # выбираем те значения, которые после перемешивания оиносятся к православию
    notbel.random = shuffled[rel_test_data$sex == "ЖЕНСКИЙ" & rel_test_data$religion1=='ПРАВОСЛАВИЕ' & rel_test_data$marital1=='в браке'] 
    
    # вычисляем разность средних
    diff.random[i] = mean(bel.random) - mean(notbel.random)
  }
  return(diff.random)
}

number_of_permutations <- 3500
diff.random <- count_diff(number_of_permutations)

df <- data.frame(diff.random = diff.random)
m <-
  ggplot(df) +
  geom_histogram(aes(diff.random), fill="light blue") +
  geom_vline(xintercept=difference, color="black") # реальная разнмца

q1 <- quantile(diff.random, c(0.025, 0.975))
m = m +
geom_vline(xintercept=q1[1], color="red") +
geom_vline(xintercept=q1[2], color="red") + labs(title = "Распределение случайных значений разницы в средних", x = "Распределение переменных", y = "Количество")+ theme_bw() + theme(text = element_text(size=11), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect())
m

Тест 5.2

\(H_0\) нет разницы между временем работы женатых мужчин, относящихся к Мусульманству и Православию

Результат статистически незначим по тесту перестановок, т.е черная вертикальная линия показывает, что значение разницы в средних превосходит допустимые интервалы 5% и даже 10% (точнее по 2,5 и 5 слева и справа на графике распределения случайных разниц соотвественно), что говорит о высоком (более 10%) значении p-value. Различия во времени работы в данной выборке для разных групп по религии скорее не могут объясняться семейным положением (в браке) мусульманских и православных мужчин. Мы не можем сделать вывода о какой-либо разнице, исходя из результата теста, т.к разница незначима

all_means1

## # A tibble: 8 x 4
## # Groups:   sex, religion1 [4]
##   sex     religion1     marital1    mean
##   <fct>   <fct>         <chr>      <dbl>
## 1 МУЖСКОЙ МУСУЛЬМАНСТВО в браке     44.9
## 2 МУЖСКОЙ МУСУЛЬМАНСТВО не в браке  39.2
## 3 МУЖСКОЙ ПРАВОСЛАВИЕ   в браке     43.7
## 4 МУЖСКОЙ ПРАВОСЛАВИЕ   не в браке  43.4
## 5 ЖЕНСКИЙ МУСУЛЬМАНСТВО в браке     39.2
## 6 ЖЕНСКИЙ МУСУЛЬМАНСТВО не в браке  44.0
## 7 ЖЕНСКИЙ ПРАВОСЛАВИЕ   в браке     38.9
## 8 ЖЕНСКИЙ ПРАВОСЛАВИЕ   не в браке  39.1

difference = all_means1$mean[1] - all_means1$mean[3]
difference

## [1] 1.158804

set.seed(3)
count_diff <- function(number_of_permutations = 1000) {
 diff.random  <- rep(NA_real_, number_of_permutations) 

  for (i in 1 : number_of_permutations) {
    
    
    shuffled = sample(rel_test_data$meanhourweek, nrow(rel_test_data))
    
   
    bel.random = shuffled[rel_test_data$sex == "МУЖСКОЙ" & rel_test_data$religion1=='МУСУЛЬМАНСТВО' & rel_test_data$marital1=='в браке'] 
    
    notbel.random = shuffled[rel_test_data$sex == "МУЖСКОЙ" & rel_test_data$religion1=='ПРАВОСЛАВИЕ' & rel_test_data$marital1=='в браке'] 
    
    # вычисляем разность средних
    diff.random[i] = mean(bel.random) - mean(notbel.random)
  }
  return(diff.random)
}

set.seed(3)
number_of_permutations <- 3500
diff.random <- count_diff(number_of_permutations)

df <- data.frame(diff.random = diff.random)

q2 <- quantile(diff.random, c(0.025, 0.975))

g <-
  ggplot(df) +
  geom_histogram(aes(diff.random), fill="light blue") +
  geom_vline(xintercept=difference, color="black") # реальная разница
g = g +
geom_vline(xintercept=q2[1], color="red") +
geom_vline(xintercept=q1[2], color="red")+ labs(title = "Распределение случайных значений разницы в средних", x = "Распределение переменных", y = "Количество")+ theme_bw() + theme(text = element_text(size=11), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect())

g

Тест 6 - Возрастные категории

\(H_0\) нет разницы во времени на работе среди возрастных категорий

Результат теста: результат недостаточно устойчив в различных аспектах. Например, разница во времени значима для пожилых людей на уровне 0,01, но зачимость не наблюдается для двух остальных категорий по критерию Хи-Квадрат. Но дисперсионный критерий Краскалла-Уолиса показывает значимость на уровне 0,01. Из полученных результатов можно предположить, что различия во времени работы для пожилых людей по религии могут объсняться их степенью отношения к религии.

#1 Различия есть 
chisq = chisq.test(sel_data$age_cat, sel_data$belief_cat)
chisq$observed

##                     sel_data$belief_cat
## sel_data$age_cat     Верующий Неверующий
##   мужчины и женщины      3750       1153
##   пожилые                1395        346
##   репр.возр.молодежь      896        559
##   школьники               198        144

#2+
#3
kruskal.test(meanhourweek~age_cat, data=sel_data) #на уровне 0.01

## 
##  Kruskal-Wallis rank sum test
## 
## data:  meanhourweek by age_cat
## Kruskal-Wallis chi-squared = 15.302, df = 3, p-value = 0.001576

Теперь проверим значимость по тесту Хи-Квадрат

#по школьникам всего одно наблюдение, поэтому мы не будем их рассматривать
#чтобы убедиться в устойчивости, сделаем еще один тест (Хи-Квадрат)
chi_data = sel_data %>% select(meanhourweek,belief_cat, age_cat)
chi_data$x1 = ifelse(sel_data$age_cat =='пожилые',1,0)
chi_data$x2 = ifelse(sel_data$age_cat =='мужчины и женщины',1,0)
chi_data$x3 = ifelse(sel_data$age_cat =='репр.возр.молодежь',1,0)


chi_data =chi_data %>%  mutate_if(is.numeric, as.factor)
chi_data$meanhourweek = as.numeric(chi_data$meanhourweek)

t1 = wilcox.test(meanhourweek~x1,data = chi_data)
t2 = wilcox.test(meanhourweek~x2,data = chi_data)
t3 = wilcox.test(meanhourweek~x3,data = chi_data)

t1 #+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x1
## W = 1010702, p-value = 0.0001979
## alternative hypothesis: true location shift is not equal to 0

t2#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x2
## W = 2022106, p-value = 0.2618
## alternative hypothesis: true location shift is not equal to 0

t3#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x3
## W = 1407987, p-value = 0.1037
## alternative hypothesis: true location shift is not equal to 0

Тест 6.1

Посмотрим еще один тест на исходном столбце с данными по возрасту.

\(H_0\) нет различий в часах работы по возрасту

Наблюдается значимая разница на уровне 0,01.

independence_test(meanhourweek~age, data = sel_data)# результат значимый

## 
##  Asymptotic General Independence Test
## 
## data:  meanhourweek by age
## Z = -4.1629, p-value = 3.142e-05
## alternative hypothesis: two.sided

Тест 7 - Количество детей

\(H_0\) нет разницы во времени, проводимом на работе, в зависимости от количества детей

Различия во времени работы для разных групп по религии скорее не могут объясняться количеством детей.

#1+
chisq = chisq.test(sel_data$childnum, sel_data$belief_cat)

## Warning in chisq.test(sel_data$childnum, sel_data$belief_cat): Chi-squared
## approximation may be incorrect

chisq$observed

##                  sel_data$belief_cat
## sel_data$childnum Верующий Неверующий
##                 1     1878        556
##                 2     2167        597
##                 3      540        124
##                 4       85         23
##                 5       31          6
##                 6       19          5
##                 7        8          3
##                 8        1          1
##                 9        4          1

#2+
#3-
sel_data$childnum = as.factor(sel_data$childnum)
kruskal.test(meanhourweek~childnum, data=sel_data)

## 
##  Kruskal-Wallis rank sum test
## 
## data:  meanhourweek by childnum
## Kruskal-Wallis chi-squared = 10.367, df = 7, p-value = 0.1687

sel_data$childnum = as.numeric(sel_data$childnum)
independence_test(meanhourweek~childnum, data=sel_data)

## 
##  Asymptotic General Independence Test
## 
## data:  meanhourweek by childnum
## Z = 0.91613, p-value = 0.3596
## alternative hypothesis: two.sided

Тест 7.1 - Многодетные и малодетные

Различия во времени работы для разных групп по религии скорее не могут объясняться типом семьи (многодетная/малодетная) по критерию Манна-Уитни и по асимптотического тесту на зависимость.

a = sel_data %>% filter(fam_cat !='')
a$fam_cat = as.factor(a$fam_cat)

#1 Различия есть 
chisq = chisq.test(a$fam_cat, a$belief_cat)
chisq$observed

##              a$belief_cat
## a$fam_cat     Верующий Неверующий
##   малодетные      4045       1153
##   многодетные      688        163

#2+ 
#3- 
independence_test(meanhourweek~fam_cat,data=a)

## 
##  Asymptotic General Independence Test
## 
## data:  meanhourweek by fam_cat (малодетные, многодетные)
## Z = -1.1266, p-value = 0.2599
## alternative hypothesis: two.sided

wilcox.test(meanhourweek~fam_cat,data=a) #устойчиво незначимый результат

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by fam_cat
## W = 669456, p-value = 0.1073
## alternative hypothesis: true location shift is not equal to 0

Тест 8 - Законченное и незаконченное образование

\(H_0\) нет разницы во времени, проводимом на работе, в зависимости от статуса законченности образования

Различия во времени работы для разных групп по религии могут объясняться степенью законченности образования по критерию Манна-Уитни на уровне 0,01.

sel_data$finished = as.factor(sel_data$finished)
#1 Различия есть 
chisq = chisq.test(sel_data$finished, sel_data$belief_cat)
chisq$observed

##                  sel_data$belief_cat
## sel_data$finished Верующий Неверующий
##      законченное      5422       1741
##      незакончнное      817        461

#2+
#3+
wilcox.test(meanhourweek~finished, data = sel_data)#znach

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by finished
## W = 760962, p-value = 0.004098
## alternative hypothesis: true location shift is not equal to 0

Тест 9 - профессиональная группа

\(H_0\) нет разницы во времени, проводимом на работе, в зависимости от проф. группы человека

По критерию Краскала-Уоллиса различия во времени работы для разных групп по религии могут объясняться профессиональной группой человека

#1 Различия есть 
chisq = chisq.test(sel_data$occupation, sel_data$belief_cat)

## Warning in chisq.test(sel_data$occupation, sel_data$belief_cat): Chi-squared
## approximation may be incorrect

chisq$observed

##                                                                      sel_data$belief_cat
## sel_data$occupation                                                   Верующий
##   военнослужащие                                                            25
##   законодатели; крупные чиновники; руководители высш. и сред. звена        220
##   специалисты высшего уровня квалификации                                  675
##   специалисты среднего уровня квалификации; чиновники                      747
##   служащие офисные и по обслуживанию клиентов                              202
##   работники сферы торговли и услуг                                         660
##   квалифицированные работники сельского, лесного хоз-ва и рыбоводства        4
##   квалифицированные рабочие, занятые ручным трудом                         391
##   квалифицированные рабочие, использующие машины и механизмы               382
##   неквалифицированные рабочие всех отраслей                                270
##                                                                      sel_data$belief_cat
## sel_data$occupation                                                   Неверующий
##   военнослужащие                                                               7
##   законодатели; крупные чиновники; руководители высш. и сред. звена           65
##   специалисты высшего уровня квалификации                                    189
##   специалисты среднего уровня квалификации; чиновники                        218
##   служащие офисные и по обслуживанию клиентов                                 55
##   работники сферы торговли и услуг                                           209
##   квалифицированные работники сельского, лесного хоз-ва и рыбоводства          5
##   квалифицированные рабочие, занятые ручным трудом                           222
##   квалифицированные рабочие, использующие машины и механизмы                 223
##   неквалифицированные рабочие всех отраслей                                   83

#2+
#3+
kruskal.test(meanhourweek~occupation, data = sel_data) #значимый результат на уровне 0,01

## 
##  Kruskal-Wallis rank sum test
## 
## data:  meanhourweek by occupation
## Kruskal-Wallis chi-squared = 460.18, df = 9, p-value < 2.2e-16

Теперь сделаем тесты по каждой проф.группе и отметим, что разница незначима для двух групп:

законодатели; крупные чиновники; руководители высш. и сред. звена
квалифицированные работники сельского, лесного хоз-ва и рыбоводства

Значит, различия во времени работы для разных групп по религии могут объясняться проф.группой человека в случаях кроме вышеуказанных на уровнях 0,01

#Проверим устойчивость теста проведением теста Хи-Квадрат для каждой отдельной категории профессиональной деятельности 
chi_data = sel_data %>% select(meanhourweek, belief_cat, occupation)

chi_data$x1 = ifelse(sel_data$occupation =='военнослужащие',1,0)
chi_data$x2 = ifelse(sel_data$occupation =='законодатели; крупные чиновники; руководители высш. и сред. звена',1,0)
chi_data$x3 = ifelse(sel_data$occupation =='специалисты высшего уровня квалификации',1,0)
chi_data$x4 = ifelse(sel_data$occupation =='специалисты среднего уровня квалификации; чиновники',1,0)
chi_data$x5 = ifelse(sel_data$occupation =='служащие офисные и по обслуживанию клиентов',1,0)
chi_data$x6 = ifelse(sel_data$occupation =='работники сферы торговли и услуг',1,0)
chi_data$x7 = ifelse(sel_data$occupation =='квалифицированные работники сельского, лесного хоз-ва и рыбоводства',1,0)
chi_data$x8 = ifelse(sel_data$occupation =='квалифицированные рабочие, занятые ручным трудом',1,0)
chi_data$x9 = ifelse(sel_data$occupation =='квалифицированные рабочие, использующие машины и механизмы',1,0)
chi_data$x10 = ifelse(sel_data$occupation =='неквалифицированные рабочие всех отраслей',1,0)
chi_data$x11 = ifelse(sel_data$occupation =='работники сферы торговли и услуг',1,0)

chi_data =chi_data %>%  mutate_if(is.numeric, as.factor)
chi_data$meanhourweek = as.numeric(chi_data$meanhourweek)

t1 = wilcox.test(meanhourweek~x1,data = chi_data)
t2 = wilcox.test(meanhourweek~x2,data = chi_data)
t3 = wilcox.test(meanhourweek~x3,data = chi_data)
t4 = wilcox.test(meanhourweek~x4,data = chi_data)
t5 = wilcox.test(meanhourweek~x5,data = chi_data)
t6 = wilcox.test(meanhourweek~x6,data = chi_data)
t7 = wilcox.test(meanhourweek~x7,data = chi_data)
t8 = wilcox.test(meanhourweek~x8,data = chi_data)
t9 = wilcox.test(meanhourweek~x9,data = chi_data)
t10 = wilcox.test(meanhourweek~x10,data = chi_data)
t11 = wilcox.test(meanhourweek~x11,data = chi_data)

t1 #+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x1
## W = 41066, p-value = 0.0003511
## alternative hypothesis: true location shift is not equal to 0

t2#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x2
## W = 583009, p-value = 0.5457
## alternative hypothesis: true location shift is not equal to 0

t3#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x3
## W = 2183760, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0

t4#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x4
## W = 1930108, p-value = 8.488e-06
## alternative hypothesis: true location shift is not equal to 0

t5#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x5
## W = 638836, p-value = 0.006268
## alternative hypothesis: true location shift is not equal to 0

t6#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x6
## W = 1228720, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0

t7#-

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x7
## W = 15279, p-value = 0.3356
## alternative hypothesis: true location shift is not equal to 0

t8#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x8
## W = 1084804, p-value = 9.989e-07
## alternative hypothesis: true location shift is not equal to 0

t9#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x9
## W = 906100, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0

t10#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x10
## W = 860608, p-value = 3.223e-05
## alternative hypothesis: true location shift is not equal to 0

t11#+

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x11
## W = 1228720, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0

Тест 10 - Сфера деятельности

\(H_0\) нет разницы во времени, проводимом на работе в зависимости от сферы деятельности человека

По критерию Краскала-Уоллиса различия во времени работы для разных групп по религии могут объясняться сферой деятельности человека на уровне 0.01

#1 Различия есть 
chisq = chisq.test(sel_data$industry, sel_data$belief_cat)

## Warning in chisq.test(sel_data$industry, sel_data$belief_cat): Chi-squared
## approximation may be incorrect

chisq$observed

##                                                        sel_data$belief_cat
## sel_data$industry                                       Верующий Неверующий
##   ЛЕГКАЯ, ПИЩЕВАЯ ПРОМЫШЛЕННОСТЬ                             183         90
##   ГРАЖДАНСКОЕ МАШИНОСТРОЕНИЕ                                  57         36
##   ВОЕННО-ПРОМЫШЛЕННЫЙ КОМПЛЕКС                                80         23
##   НЕФТЕГАЗОВАЯ ПРОМЫШЛЕННОСТЬ                                 99         39
##   ДРУГАЯ ОТРАСЛЬ ТЯЖЕЛОЙ ПРОМЫШЛЕННОСТИ                      122         56
##   СТРОИТЕЛЬСТВО                                              216        111
##   ТРАНСПОРТ, СВЯЗЬ                                           306        145
##   СЕЛЬСКОЕ ХОЗЯЙСТВО                                         105         74
##   ОРГАНЫ УПРАВЛЕНИЯ                                           85         33
##   ОБРАЗОВАНИЕ                                                426         90
##   НАУКА, КУЛЬТУРА                                            119         25
##   ЗДРАВООХРАНЕНИЕ                                            318         43
##   АРМИЯ, МВД, ОРГАНЫ БЕЗОПАСНОСТИ                            186         65
##   ТОРГОВЛЯ, БЫТОВОЕ ОБСЛУЖИВАНИЕ                             769        252
##   ФИНАНСЫ                                                    109         37
##   ЭНЕРГЕТИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ                               61         27
##   ЖИЛИЩНО-КОММУНАЛЬНОЕ ХОЗЯЙСТВО                             134         56
##   ОПЕРАЦИИ С НЕДВИЖИМОСТЬЮ                                    26          6
##   СОЦИАЛЬНОЕ ОБСЛУЖИВАНИЕ                                     26          4
##   ЮРИСПРУДЕНЦИЯ                                               25          3
##   ЦЕРКОВЬ                                                      3          0
##   ХИМИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ                                    6          6
##   ДЕРЕВООБРАБАТЫВАЮЩАЯ ПРОМЫШЛЕННОСТЬ, ЛЕСНОЕ ХОЗЯЙСТВО        5          9
##   СПОРТ, ТУРИЗМ, РАЗВЛЕЧЕНИЯ                                  19         10
##   УСЛУГИ НАСЕЛЕНИЮ                                            32          8
##   IT, ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ                               12          9
##   ЭКОЛОГИЯ, ЗАЩИТА ОКРУЖАЮЩЕЙ СРЕДЫ                            2          2
##   ОРГАНИЗАЦИЯ ОБЩЕСТВЕННОГО ПИТАНИЯ                            6          0
##   СМИ, ИЗДАТЕЛЬСТВО, ПЕЧАТЬ, ТЕЛЕКОММУНИКАЦИИ                 19          7
##   РЕКЛАМА, МАРКЕТИНГ                                          11          4

#2+
#3+
kruskal.test(meanhourweek~industry, data = sel_data)

## 
##  Kruskal-Wallis rank sum test
## 
## data:  meanhourweek by industry
## Kruskal-Wallis chi-squared = 505.61, df = 29, p-value < 2.2e-16

Тест 11- Подчиненные

\(H_0\) нет разницы во времени, проводимом на работе, в зависимости от наличия подчиненных

По критерию Манна-Уитни различия во времени работы для разных групп по религии не могут объясняться наличием подчиненных, т.к результат теста статистически незначим

#1 Различия есть 
chisq = chisq.test(sel_data$subordinate, sel_data$belief_cat)
chisq$observed

##                     sel_data$belief_cat
## sel_data$subordinate Верующий Неверующий
##                  Да       694        225
##                  Нет     2887       1057

#2+
#3-
wilcox.test(meanhourweek~subordinate, data = sel_data)

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by subordinate
## W = 1733678, p-value = 0.2072
## alternative hypothesis: true location shift is not equal to 0

Тест 12 - официальное трудоустройство

\(H_0\) нет разницы во времени, проводимом на работе, в зависимости от типа трудоустройства

По критерию Манна-Уитни различия во времени работы для разных групп по религии могут объясняться типом трудоустройства, т.к результат теста статистически значим на уровне 0,01

#1 Различия есть 
chisq = chisq.test(sel_data$official, sel_data$belief_cat)
chisq$observed

##                          sel_data$belief_cat
## sel_data$official         Верующий Неверующий
##   Оформлены официально        3055       1039
##   Не оформлены официально      238        100

#2+
#3
wilcox.test(meanhourweek~official, sel_data)# статистически значимый результат

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by official
## W = 527905, p-value = 4.555e-06
## alternative hypothesis: true location shift is not equal to 0

Тест 13 - Посещение религиозных мест (частота)

Разделим частоту посещения религиозных мест по степени частотности посещений религиозных мероприятий и перейдем к тесту:

\(H_0\) нет разницы во времени, проводимом на работе, в зависимости от частоты посещения религиозных мест

По критерию Манна-Уитни различия во времени работы для разных групп по религии могут объясняться частотой посещения религиозных мероприятий, т.к результат теста статистически значим на уровне 0,1

sel_data = sel_data %>% mutate(massfreq = case_when(mass=="РАЗ В НЕДЕЛЮ ИЛИ ЧАЩЕ" |mass=="ДВА-ТРИ РАЗА В МЕСЯЦ" |mass=="РАЗ В МЕСЯЦ" ~'часто',mass=="НИКОГДА НЕ ПОСЕЩАЮ" | mass=="РЕЖЕ, ЧЕМ РАЗ В ГОД"| mass=="РАЗ В ГОД"|mass=="НЕСКОЛЬКО РАЗ В ГОД" ~ 'редко', T~'unknown'))

sel_data$massfreq = as.factor(sel_data$massfreq)
sel_data$x = ifelse(sel_data$massfreq=='часто',1,0)
sel_data$x = as.factor(sel_data$x)
#1 Различия есть 
chisq = chisq.test(sel_data$x, sel_data$belief_cat)
chisq$observed

##           sel_data$belief_cat
## sel_data$x Верующий Неверующий
##          0     5734       2202
##          1      505          0

#2+
#3
wilcox.test(meanhourweek~x, sel_data)# статистически значимый результат

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  meanhourweek by x
## W = 631899, p-value = 0.008283
## alternative hypothesis: true location shift is not equal to 0

independence_test(meanhourweek~x, data = sel_data)

## 
##  Asymptotic General Independence Test
## 
## data:  meanhourweek by x (0, 1)
## Z = 1.7464, p-value = 0.08074
## alternative hypothesis: two.sided

legend_title <- "Частота посещения религиозных мероприятий"
ggplot(data =subset(sel_data,!is.na(belief_cat)))+geom_boxplot(mapping = aes(x = as.factor(belief_cat), y=as.numeric(meanhourweek),fill = x), na.rm=T)+ labs(title = "Разница во времени, отведенном на работу в неделю, по частоте посещения религиозных мест", x = "Категория", y = "Количество часов в неделю")+ theme_bw() + theme(text = element_text(size=8), axis.text.x = element_text(angle=45, hjust=1), plot.background = element_rect()) + scale_fill_manual(legend_title,values=c("light blue"," cadetblue4"))

Плохая Регрессия

очень высокие значения ошибок и очень низкие R-squared

sel_data$childnum = as.numeric(sel_data$childnum)

regr = lm(meanhourweek~age+ childnum + sex + belief_cat  + finished + massfreq+occupation +subordinate +mondaywage+secondjob+owner+sex*belief_cat*marital1, data = sel_data)

summary(regr)

## 
## Call:
## lm(formula = meanhourweek ~ age + childnum + sex + belief_cat + 
##     finished + massfreq + occupation + subordinate + mondaywage + 
##     secondjob + owner + sex * belief_cat * marital1, data = sel_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -49.804  -5.240  -1.029   3.395  47.164 
## 
## Coefficients:
##                                                                                 Estimate
## (Intercept)                                                                    4.586e+01
## age                                                                           -7.017e-02
## childnum                                                                       1.039e-01
## sexЖЕНСКИЙ                                                                    -2.840e+00
## belief_catНеверующий                                                           1.931e+00
## finishedнезакончнное                                                           1.386e-01
## massfreqредко                                                                  9.549e-01
## massfreqчасто                                                                  1.036e+00
## occupationзаконодатели; крупные чиновники; руководители высш. и сред. звена   -4.566e+00
## occupationспециалисты высшего уровня квалификации                             -6.517e+00
## occupationспециалисты среднего уровня квалификации; чиновники                 -2.710e+00
## occupationслужащие офисные и по обслуживанию клиентов                         -3.034e+00
## occupationработники сферы торговли и услуг                                     2.926e+00
## occupationквалифицированные работники сельского, лесного хоз-ва и рыбоводства -1.190e+01
## occupationквалифицированные рабочие, занятые ручным трудом                    -1.898e+00
## occupationквалифицированные рабочие, использующие машины и механизмы           4.178e-01
## occupationнеквалифицированные рабочие всех отраслей                           -4.385e+00
## subordinateНет                                                                -1.848e+00
## mondaywage                                                                     1.876e-03
## secondjobНет                                                                   3.096e+00
## ownerНет                                                                      -2.610e+00
## marital1не в браке                                                             1.133e+00
## sexЖЕНСКИЙ:belief_catНеверующий                                               -2.248e+00
## sexЖЕНСКИЙ:marital1не в браке                                                 -1.318e+00
## belief_catНеверующий:marital1не в браке                                       -7.194e-03
## sexЖЕНСКИЙ:belief_catНеверующий:marital1не в браке                             2.102e+00
##                                                                               Std. Error
## (Intercept)                                                                    3.326e+00
## age                                                                            1.732e-02
## childnum                                                                       2.314e-01
## sexЖЕНСКИЙ                                                                     5.212e-01
## belief_catНеверующий                                                           1.835e+00
## finishedнезакончнное                                                           7.074e-01
## massfreqредко                                                                  1.756e+00
## massfreqчасто                                                                  1.895e+00
## occupationзаконодатели; крупные чиновники; руководители высш. и сред. звена    2.263e+00
## occupationспециалисты высшего уровня квалификации                              2.197e+00
## occupationспециалисты среднего уровня квалификации; чиновники                  2.192e+00
## occupationслужащие офисные и по обслуживанию клиентов                          2.306e+00
## occupationработники сферы торговли и услуг                                     2.218e+00
## occupationквалифицированные работники сельского, лесного хоз-ва и рыбоводства  6.292e+00
## occupationквалифицированные рабочие, занятые ручным трудом                     2.223e+00
## occupationквалифицированные рабочие, использующие машины и механизмы           2.226e+00
## occupationнеквалифицированные рабочие всех отраслей                            2.288e+00
## subordinateНет                                                                 5.373e-01
## mondaywage                                                                     4.192e-04
## secondjobНет                                                                   9.630e-01
## ownerНет                                                                       1.226e+00
## marital1не в браке                                                             1.365e+00
## sexЖЕНСКИЙ:belief_catНеверующий                                                1.045e+00
## sexЖЕНСКИЙ:marital1не в браке                                                  1.482e+00
## belief_catНеверующий:marital1не в браке                                        2.098e+00
## sexЖЕНСКИЙ:belief_catНеверующий:marital1не в браке                             2.502e+00
##                                                                               t value
## (Intercept)                                                                    13.787
## age                                                                            -4.051
## childnum                                                                        0.449
## sexЖЕНСКИЙ                                                                     -5.448
## belief_catНеверующий                                                            1.053
## finishedнезакончнное                                                            0.196
## massfreqредко                                                                   0.544
## massfreqчасто                                                                   0.547
## occupationзаконодатели; крупные чиновники; руководители высш. и сред. звена    -2.017
## occupationспециалисты высшего уровня квалификации                              -2.966
## occupationспециалисты среднего уровня квалификации; чиновники                  -1.236
## occupationслужащие офисные и по обслуживанию клиентов                          -1.316
## occupationработники сферы торговли и услуг                                      1.319
## occupationквалифицированные работники сельского, лесного хоз-ва и рыбоводства  -1.892
## occupationквалифицированные рабочие, занятые ручным трудом                     -0.854
## occupationквалифицированные рабочие, использующие машины и механизмы            0.188
## occupationнеквалифицированные рабочие всех отраслей                            -1.917
## subordinateНет                                                                 -3.439
## mondaywage                                                                      4.474
## secondjobНет                                                                    3.215
## ownerНет                                                                       -2.129
## marital1не в браке                                                              0.830
## sexЖЕНСКИЙ:belief_catНеверующий                                                -2.150
## sexЖЕНСКИЙ:marital1не в браке                                                  -0.889
## belief_catНеверующий:marital1не в браке                                        -0.003
## sexЖЕНСКИЙ:belief_catНеверующий:marital1не в браке                              0.840
##                                                                               Pr(>|t|)
## (Intercept)                                                                    < 2e-16
## age                                                                           5.23e-05
## childnum                                                                      0.653539
## sexЖЕНСКИЙ                                                                    5.48e-08
## belief_catНеверующий                                                          0.292613
## finishedнезакончнное                                                          0.844729
## massfreqредко                                                                 0.586645
## massfreqчасто                                                                 0.584514
## occupationзаконодатели; крупные чиновники; руководители высш. и сред. звена   0.043762
## occupationспециалисты высшего уровня квалификации                             0.003043
## occupationспециалисты среднего уровня квалификации; чиновники                 0.216578
## occupationслужащие офисные и по обслуживанию клиентов                         0.188341
## occupationработники сферы торговли и услуг                                    0.187247
## occupationквалифицированные работники сельского, лесного хоз-ва и рыбоводства 0.058563
## occupationквалифицированные рабочие, занятые ручным трудом                    0.393192
## occupationквалифицированные рабочие, использующие машины и механизмы          0.851097
## occupationнеквалифицированные рабочие всех отраслей                           0.055325
## subordinateНет                                                                0.000592
## mondaywage                                                                    7.95e-06
## secondjobНет                                                                  0.001318
## ownerНет                                                                      0.033350
## marital1не в браке                                                            0.406326
## sexЖЕНСКИЙ:belief_catНеверующий                                               0.031615
## sexЖЕНСКИЙ:marital1не в браке                                                 0.373911
## belief_catНеверующий:marital1не в браке                                       0.997264
## sexЖЕНСКИЙ:belief_catНеверующий:marital1не в браке                            0.400913
##                                                                                  
## (Intercept)                                                                   ***
## age                                                                           ***
## childnum                                                                         
## sexЖЕНСКИЙ                                                                    ***
## belief_catНеверующий                                                             
## finishedнезакончнное                                                             
## massfreqредко                                                                    
## massfreqчасто                                                                    
## occupationзаконодатели; крупные чиновники; руководители высш. и сред. звена   *  
## occupationспециалисты высшего уровня квалификации                             ** 
## occupationспециалисты среднего уровня квалификации; чиновники                    
## occupationслужащие офисные и по обслуживанию клиентов                            
## occupationработники сферы торговли и услуг                                       
## occupationквалифицированные работники сельского, лесного хоз-ва и рыбоводства .  
## occupationквалифицированные рабочие, занятые ручным трудом                       
## occupationквалифицированные рабочие, использующие машины и механизмы             
## occupationнеквалифицированные рабочие всех отраслей                           .  
## subordinateНет                                                                ***
## mondaywage                                                                    ***
## secondjobНет                                                                  ** 
## ownerНет                                                                      *  
## marital1не в браке                                                               
## sexЖЕНСКИЙ:belief_catНеверующий                                               *  
## sexЖЕНСКИЙ:marital1не в браке                                                    
## belief_catНеверующий:marital1не в браке                                          
## sexЖЕНСКИЙ:belief_catНеверующий:marital1не в браке                               
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 10.14 on 3159 degrees of freedom
##   (5657 observations deleted due to missingness)
## Multiple R-squared:  0.1362, Adjusted R-squared:  0.1294 
## F-statistic: 19.93 on 25 and 3159 DF,  p-value: < 2.2e-16

Итоговый проект

Веряскина Дарина

Волкова Арина

Коновалов Владислав

Кушнир Марина

Маматкулов Отабек

Юношева Виктория

18 03 2021