[R] 척도별 기술 통계량 구하기

척도

- 측정을 목적으로 일정한 규칙에 따라 질적인 측정 대상에 적용할 수 있도록 만들어진 계량적 도구. 즉 측정 도구.

- 변수에 값을 부여하는 방법
- 변수 측정 단위(응답자가 선택핛 수 있는 질문 항목)

 

 

 연속형 변수 : 양적인 크기를 가지는 변수  (키) - > 등간척도, 비율척도 
 범주형 변수 : 크기를 가지지 않는 변수 (성별) -> 명목척도, 서열 척도

 

 

- 데이터 가져오기 

data <-read.csv("C:/workspaces/R/data/descriptive.csv",header = T)
View(data)

 

위 데이터를 사용하여 살펴보도록 하겠습니다. 

 

 

- 데이터 정보 확인 

dim(data) 출력값 :  300   8 - 차원보기

length(data) 출력값 :  8 (컬럼 수)

length(data$survey) 출력값 : 300(데이터 수)

str(data) 출력값 : 'data.frame':	300 obs. of  8 variables: + 컬럼의 이름 + 자료형 출력

str(data$survey) 출력값  int [1:300] 1 2 1 4 3 3 NA NA NA 1 ...

 

 

1. 명목 척도

: 단순히 속성을 분류핛 목적으로 명목상 숫자를 부여하는 척도, 연산 불가능한 변수

length(data$gender) 출력값 300

summary(data$gender)

- 출력값 - 
Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
0.00    1.00    1.00    1.42    2.00    5.00 

table(data$gender) ==  각 성별 빈도 수 - outlier(이상치) -> 0,5 
- 출력값 - 
0   1   2   5 
2 173 124   1 

 

- 이상치 제거

data <- subset(data, data$gender==1 | data$gender ==2) # 성별 outlier 제거
x<- table(data$gender) # 성별에 대한 빈도수 저장 
x

- 출력값 - 
 1   2 
 173 124 

 

- 시각화 + 구성비율 계산 

구성비율 계산 
prop.table(x) # 비율계산 : 0 < x < 1 사이의 값 
-출력값- 
     1         2 
 0.5824916 0.4175084 

y <- prop.table(x)
round(y*100,2) # 백분율 적용(소수점 2자리)
-출력값-
  1     2 
58.25 41.75 


barplot(x) # 범주형(명목/서열 척도) 시각화 -> 막대 차트 

 

 

 

2. 서열 척도 

: 순서관계를 밝혀주는 척도(연산 불가능핚 변수) - 설문의 종류에 따라서 달라짐 (선호도)

 

- 데이터 정보 

length(data$level) 출력값 : [1] 297  --  학력수준 - 서열 (크기적인 개념 포함)

summary(data$level) # 명목척도와 함께 의미 없음 

table(data$level) # 빈도분석 - 의미있음 
- 출력값 - 
 1   2   3 
 115  99  70

 

- 구성비율 계산 + 시각화 

 

구성비율 계산

x1 <- table(data$level) # 각 학력수준에 빈도수 저장. 

y <- prop.table(x1)

round(y*100,2) # 백분율 적용(소주점 2자리)
- 출력값 -
  1     2     3 
40.49 34.86 24.65 

학력 수준(level) 변수의 빈도 수 시각화
barplot(x1) # 명목/ 서열 척도 -> 막대차트

 

 

 

3. 등간척도 

 : 측정대상의 속성에 대한 각 수준 간의 간격이 동일한 척도, 균일한 분포를 가지면서 연산이 가능

  (수치로서의 개념 존재)

 

- 만족도(survey) 변수

survey <- data$survey
survey

summary(survey)  - 만족도(5점척도)인 경우 의미 있음 -> 평균간 : 2.605
- 출력값 - 
Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
1.000   2.000   3.000   2.605   3.000   5.000     112 

NA의 값이 112개나 되기 때문에 배제해 버리면 sample의 데이터가 많이 사라지므로 결과가 이상하게 출력될 수 있습니다. 

 

- 빈도수 + 시각화 

x1 <- table(survey) # 빈도수 
x1
- 출력값 - 
1  2  3  4  5 
20 72 61 25  7 

hist(survey) # 등간척도 시각화(연속형 변수)  
pie(x1) # 분포도 특징 시각화

- hsit

 

- pie

 

 

 

4. 비율척도

 :  척도의 수가 등간 , 사측 연산 가능 

 

등간척도와 비율척도의 차이는 절대 원점(0)의 의미 입니다. 
- 등간척도는 절대원점(0)을 가지고 있지 않음(의미 없음) 
- 비율척도는 절대원점(0)을 가지고 있는 척도(0을 기준으로 한 수치)

 

 

생황비(cost) 변수 대상 요약 통계량 구하기 

length(data$cost) # 297 (레코드 개수)
summary(data$cost) # 요약통계량 - 의미 있음(mean) / Mean = 8.784 , Median = 5.4

- 출력값 -
    Min.    1st Qu.  Median    Mean     3rd Qu.  Max.    NA's 
 -457.200    4.400    5.400    8.784    6.300  675.000    30 

plot(data$cost) # 분포도 확인 

데이터 정제(이상치 제거)

data <- subset(data, data$cost>=2 & data$cost <= 10) # 총점기준 

plot(data$cost)
x <- data$cost
mean(x) 출력값 :  5.354032

평균이 극단치에 영향을 받는 경우 = 중위수(median) 대체 
median(x) 출력값 : 5.4
  

 

 

● 대표값 구하기 

 

생활비(cost) 변수 대상 대표값 구하기 

mean(x) 출력값 :  5.354032

median(x) 중위값 : 5.4

sort(x) # 오름차순(default) = decreasing = F

sort(x, decreasing = T) # 내림차순

 

 

생활비(cost) 변수 대상 사분위수 구하기

- quantile() : 분위별 결과 출력 

quantile(x, 1/4) # 1분위
-출력값- 
25% 
4.6 

quantile(x, 2/4) # 2분위
-출력값- 
50% 
5.4 

quantile(x, 3/4) # 3분위
-출력값- 
75% 
6.2 

quantile(x, 4/4) # 4분위
-출력값-
100% 
7.9 

 

 

 

 

● 산포도 구하기

 

생활비(cost) 변수 대상 산포도 구하기

var(x) # 분산
출력값: [1] 1.296826

sd(x)  # 표준편차
출력값 [1] 1.138783

# 분산 -> 표준편차
sqrt(var(x)) : 출력값 : [1] 110.3872

# 표준편차 -> 분산 
sd(x) ** 2 : 출력값 : [1] 12185.33

 

 

 

●  빈도 분석 

 

생활비(cost) 변수의 빈도분석과 시각화 

table(data$cost)

hist(data$cost) # 히스토그램 시각화
plot(data$cost) # 산점도 시각화 

hist(data$cost)

 

plot(data$cost)

 

 

연속형 변수 범주화 

data$cost2[data$cost >= 2 & data$cost < 4] <- 1
data$cost2[data$cost >= 4 & data$cost < 7] <- 2
data$cost2[data$cost >= 7] <- 3

x <- table(data$cost2)
barplot(x)
pie(x)

barplot(x)

pie(x)

 

 

 

5. 비대칭도 구하기 

 

- pakage 설치 및 데이터 정리

install.packages("moments")
library(moments)
cost <- data$cost
cost

 

왜도 - 평균을 중심으로 기울어진 정도. < skewness() >

skewness(cost) 출력값 :  [1] -0.297234

 

첨도 - 표준 정규 분포와 비교하여 얼마나 뽀족한가 측정 지표 < kurtosis() > 

kurtosis(cost) 출력값 : [1] 2.674163

 

hist(cost) - 기본 히스토그램

 

hist(cost, freq = F) - 히스토그램 확률밀도/표준 정규 분포 곡선

 

lines(density(cost), col='blue') - 히스토그램 확률밀도/표준 정규 분포 곡선

표준정규분포 곡선

x <- seq(0, 8, 0.1)
curve(dnorm(x, mean(cost), sd(cost)), col='red', add = T)

 

6. 패키지 기술 이용 통계량 구하기 

 

위 데이터를 활용하여 살펴보겠습니다. 

 

 

① Hmisc 패키지 이용 

 

 - Hmisc 패키지 설치

install.packages("Hmisc")
library(Hmisc)

 

전체 변수 대상 기술통계량 제공 - 빈도와 비율 데이터 일괄 수행(각 컬럼별로 계산해서 결과값을 출력)

describe(data) 

 

개별 변수 기술 통계량

describe(data$gender) # 특정 변수(명목) 기술통계량-범주/빈도수/비율 제공.

 

describe(data$age) # 특정 변수(비율) 기술통계량 - lowest / highest

 

 

② prettyR 패키지 이용 

 

- prettyR 패키지

install.packages("prettyR")
library(prettyR)

 

- 전체 변수 대상 

freq(data) # 각 변수별 : 빈도, 결측치, 백분율, 특징-소수점 제공 

 

- 개별 변수 대상

freq(data$gender) # 빈도, 결측치, 백분율