[ R ] 교차분석과 카이제곱 연습문제 ch12

 1. 직업 유형에 따른 응답 정도에 차이가 있는가를 단계별로 검정하시오 (동질성 검정)

#1) 파일 가져오기Response.csv
#2) 코딩변경 - 리코딩
#Job 컬럼: 1. 학생, 2. 직장인, 3. 주부 
#response 컬럼: 1.  무응답, 2. 낮음. 3. 높음
#3) 교차 분할표 작성
#4) 동질성 검정

#5) 검정결과 해석

response.csv

0.00MB

 

 

(1) 파일 가져오기Response.csv

setwd("C:/") data <- read.csv("Response.csv") data

 

(2) 코딩변경 - 리코딩

data$job2[data$job == 1] <- "학생" data$job2[data$job == 2] <- "직장인" data$job2[data$job == 3] <- "주부" data$response2[data$response == 1] <- "무응답" data$response2[data$response == 2] <- "낮음" data$response2[data$response == 3] <- "높음" head(data) # job response job2 response2 # 1   1        1 학생    무응답 # 2   1        1 학생    무응답 # 3   1        1 학생    무응답 # 4   1        1 학생    무응답 # 5   1        1 학생    무응답 # 6   1        1 학생    무응답

 

(3) 교차 분할표 작성

table(data$job2, data$response2) #             낮음 높음 무응답 # 주부       41   59      5 # 직장인   62   53     10 # 학생       37    8     25

 

(4) 동질성 검정

chisq.test(data$job2, data$response2) # Pearson's Chi-squared test #  # data:  data$job2 and data$response2 # X-squared = 58.208, df = 4, p-value = 6.901e-12

 

(5) 검정결과 해석
#귀무가설: 직업 유형에 따라 응답정도에 차이가 없다.
#대립가설: 직업 유형에 따라 응답정도에 차이가 있다.
#X-squared = 58.208, df = 4, p-value = 6.901e-12
# p-value < 0.05 로 귀무가설을 기각.
# 결론 : 직업 유형에 따른 응답 정도에 차이가 있다, 세 집단 간의 응답율이 서로 다르다고 할 수 있다.

 

 

 

 

 2. 나이(age)와 직위(position)간의 관련성을 단계별로 분석하시오 (독립성 검정)

#1) 파일 가져오기 cleanData.csv
#2) 코딩 변경(변수 리코딩)
#3) 산점도를 이용한 변수간의 관련성 보기 (힌트. Plot(x,y)함수 이용)
#4) 독립성 검정

#5) 검정결과 해석

 

cleanData.csv

0.01MB

 

 

(1) 파일 가져오기Response.csv

data <- read.csv("C:/cleanData.csv", header = TRUE) head(data)

 

(2) 코딩변경 - 리코딩

X <- data$position     #행: 직위 변수 이용 Y <- data$age3         #열: 나이 리코딩 변수 이용

 

(3) 산점도를 이용한 변수간의 관련성 보기 (힌트. Plot(x,y)함수 이용)

plot(data$position,data$age3)

X <- df$position Y <- df$age3 Y plot(X,Y,abline(lm(Y~X)))

• 오른쪽 결과에 따라 직위가 높을 수록(5:낮음 1:높음) 나이가 많음 (음의 상관관계)

 

 

 

(4) 독립성 검정

library(gmodels) CrossTable(x=data$position , y=data$age3, chisq = TRUE)

 

(5) 검정 결과 해석
#귀무가설: 나이(age)와 직위(position)는 관련성이 없다
#대립가설: 나이(age)와 직위(position)는 관련성이 있다.
# Chi^2 =  287.8957     d.f. =  8     p =  1.548058e-57 
# p-value < 0.05 로 귀무가설을 기각.
# 나이(age)와 직위(position)는 관련성이 있다.

 

 

 

 

 

 

 3. 교육수준(education)과 흡연율(smoking)간의 관련성을 분석하기 위한 연구가설을 수립하고, 단계별로 가설을 검정하시오. (독립성 검정)
귀무가설(H0): 교육수준과 흡연율 간의 관련성은 없다 
연구가설(H1): 교육수준과 흡연율 간의 관련성은 있다

#1) 파일 가져오기 smoke.csv
#2) 코딩 변경(변수 리코딩)
#education  컬럼(독립변수) : 1. 대졸, 2. 고졸, 3. 중졸 
#smoke 컬럼(종속변수): 1. 과다흡연, 2. 보통흡연, 3. 비흡연
#3) 교차분할표 작성
#4) 독립성 검정

#5) 검정 결과 해석

smoke.csv

0.00MB

 

 

(1) 파일 가져오기 smoke.csv

data <- read.csv("C:/smoke.csv", header = TRUE) head(data) # education smoking # 1         1       1 # 2         1       1 # 3         1       1 # 4         1       1 # 5         1       1 # 6         1       1

 

(2) 코딩변경 - 리코딩

data$education2[data$education == 1] <- "대졸" data$education2[data$education == 2] <- "고졸" data$education2[data$education == 3] <- "중졸" data$smoking2[data$smoking == 1] <- "과다흡연" data$smoking2[data$smoking == 2] <- "보통흡연" data$smoking2[data$smoking == 3] <- "비흡연" head(data) # education smoking education2 smoking2 # 1         1       1       대졸 과다흡연 # 2         1       1       대졸 과다흡연 # 3         1       1       대졸 과다흡연 # 4         1       1       대졸 과다흡연 # 5         1       1       대졸 과다흡연 # 6         1       1       대졸 과다흡연

 

(3) 교차 분할표 작성

table(data$education2, data$smoking2) # 과다흡연 보통흡연 비흡연 # 고졸       22       21      9 # 대졸       51       92     68 # 중졸       43       28     21 CrossTable(data$education2, data$smoking2, chisq = TRUE)

 

(4) 검정 결과 해석
# Chi^2 =  18.91092     d.f. =  4     p =  0.0008182573 
# p-value < 0.05 로 귀무가설을 기각.
# 결론 : 교육수준과 흡연율 간의 관련성이 있다.