In ablaette/learningR: Slides and Supplementary Material to Get Started with R

Initialisierung

Zunächst wird der Arbeitsspeicher geputzt, dann wird der ALLBUS-Datensatz für 2010 geladen.

rm(list=ls(all=TRUE))
library(allbus)
data(allbus2010) # Datensatz für 2010 verfügbar machen, auch für frühere Datensätze mgl.

Blick in die Daten

dim(allbus2010)
head(allbus2010)
View(allbus2010)
str(allbus2010)
colnames(allbus2010)
variables("allbus2010")

Eine Variable im Blick

knappeArbeit <- allbus2010[,"V319"]
is(knappeArbeit)
knappeArbeit
werteKnappeArbeit <- as.numeric(knappeArbeit)
werteKnappeArbeitTable <- table(werteKnappeArbeit)
werteKnappeArbeitTable

forPlotting <- werteKnappeArbeitTable / sum(werteKnappeArbeitTable) * 100
forPlotting <- round(forPlotting, 2)
barplot(
  forPlotting,
  ylab = "Prozent",
  xlab="Stimme gar nicht zu (1) bis JA (7)",
  col="blue",
  main="Sollen Ausländer das Land verlassen,\nwenn die Arbeit knapp wird?"
  )

# man kann sich auch eine Funktion basterln, um Prozentwerte zu ermitteln
as.percentage <- function(input){
  output <- input / sum(input)
  output <- round(output * 100, 2)
  output
}
forPlotting2 <- as.percentage(werteKnappeArbeitTable)

Szenario: Ausländerablehnung im Bundesländervergleich

Wie verteilt sich Ausländerablehnung, politisches Interesse über die Bundesländer? Im ALLBUS sind vier Items enthalten, über welche die sogenannte Ausländerablehnungsskala gebildet wird.

# in welchen Variablen tritt "AUSLAENDER" auf? So finden 
grep("AUSLAENDER", variables("allbus2010"), value=T)
# V319 -> Ausl. heim bei knapper Arbeit
# V320 -> pol. Betätigung untersagen
# V321 -> unter sich heiraten
# V318 -> Lebensstilanpassung

# Ausschnitt aus dem Datensatz mit den relevanten Items
qAusl <- allbus2010[,c("V319", "V320", "V321", "V318")]
# etwas aussagekräftigere Spaltenbenennungen
colnames(qAusl) <- c("Arbeit", "Politik", "Heiraten", "Lebensstil")
# es sind Faktoren - Umwandlung in numerische Werte für die Bildung des Index
for (what in colnames(qAusl)){
  qAusl[,what] <- as.numeric(qAusl[, what])  
}
# Prüfung - was haben wir jetzt?
head(qAusl)

In den folgenden Schritten wird für jede Reihe aus dem qAusl-data.frame der Indexwert gebildet. Eine kleine Hürde sind dabei NA-Werte. Eine erste Lösung arbeitet mit einer for-Schleife.

Option 1: For-Schleife

aa <- c()
for (i in c(1:nrow(qAusl))){
  naLogical <- is.na(qAusl[i,])
  naLogicalTabled <- table(naLogical)
  if (is.na(naLogicalTabled["TRUE"])){
    aaSum <- sum(qAusl[i,], na.rm=TRUE)
    aa[i] <- aaSum / 4
  } else {
    aa[i] <- NA
  }
}
hist(aa)

Option 2: Lösung mit apply

Eine zweite Lösung, die programmiertechnisch etwas anspruchsvoller, aber schneller und eleganter ist.

aa <- apply(qAusl, 1, function(row){
  naLogical <- is.na(row)
  naLogicalTabled <- table(naLogical)
  if (is.na(naLogicalTabled["TRUE"])){
    aaSum <- sum(row, na.rm=TRUE)
    aa[i] <- aaSum/4
  } else {
    aa[i] <- NA
  }
})
hist(aa)

Variablen finden: Land und Interesse

Womit kann die Ausländerablehnungsskala sinnvoll in Verbindung gebracht werden? Wir suchen nach Variablen...

grep("BUNDESLAND", variables("allbus2010"), value=T)
# hier: V975 -> Bundesland
land <- allbus2010[,"V975"]
grep("INTERESSE", variables("allbus2010"), value=T)
# V72 pol.Interesse

Frage 1: Welche Unterschiede zwischen den Ländern gibt es?

library(lattice)
histogram(~aa|land, data=data.frame(aa, land))

Szenario: Macht das Einkommen einen Unterschied?

einkommen <- allbus2010[,"V614"]
plot(x=jitter(aa, factor=1), y=einkommen)
boxplot(einkommen~aa, splomData)

Szenario: Macht Kontakt einen Unterschied?

grep("KONTAKT", variables("allbus2010"), value=T)
# V322 Kontakt in der Familie
# V323 Kontakt bei der Arbeit
# V324 Kontakt Nachbarschaft
# V325 Kontakt Freundeskreis
kontakt <- allbus2010[,c("V322", "V323", "V324", "V325")]
colnames(kontakt) <- c("Fa", "Ar", "Na", "Fr")
for (x in colnames(kontakt)){
  kontakt[,x] <- as.numeric(kontakt[,x])
}
# hier zu beachten: Die Reihung entspricht hier nicht der Intution,
# dass der niedrigste Wert wenig Kontakt bedeutet, der höchste Wert 
# viel Kontakt. Das wird umgedreht ...
kontaktIndex <- apply(kontakt, 1, function(row) {
  indexRaw <- sum(row - 1, na.rm=T)
  4 - indexRaw
  })

Jetzt kann es an die Exploration gehen...

boxplot(aa~kontaktIndex) #  Mehr Kontakt, weniger Ausländerablehnung?
boxplot(aa~land, las=2) # Unterschiede der Ausländerablehnung zwischen den Ländern

meanKontakt <- tapply(kontaktIndex, land, mean)
meanKontaktVector <- as.vector(meanKontakt)
names(meanKontaktVector) <- names(meanKontakt)
meanKontaktVector <- meanKontaktVector[order(meanKontaktVector, decreasing = T)]
dotchart(meanKontaktVector, las=2)

meanAaLaender <- tapply(aa, land, function(x) mean(x, na.rm=T))  
meanAaLaender <- meanAaLaender[order(meanAaLaender, decreasing=T)]
dotchart(meanAaLaender, las=2)

Welche Kontaktart macht den Unterschied?

kontakt <- allbus2010[,c("V322", "V323", "V324", "V325")]
colnames(kontakt) <- c("Fa", "Ar", "Na", "Fr")
for (x in colnames(kontakt)){ kontakt[,x] <- as.numeric(kontakt[,x]) }
kontaktStr <- kontakt
for (x in colnames(kontaktStr)){
  rawCol <- as.character(kontaktStr[,x])
  for (i in c(1:length(rawCol))){
    if (is.na(rawCol[i])){
      rawCol[i] <- NA
    } else if (rawCol[i] == "2"){
      rawCol[i] <- "_"
    } else if (rawCol[i] == "1"){
      rawCol[i] <- x
    }
  }
  kontaktStr[,x] <- rawCol
}
kontaktPattern <- apply(
  kontaktStr, 1,
  function(row) {
    if (any(is.na(row))){
      row <- NA
    } else {
      row <- paste(row, collapse="")  
    }
    row
    })
histogram(~aa|kontaktPattern, data.frame(aa, kontaktPattern))

Kontaktarten in den Ländern

kontaktByLand <- xtabs(~land+kontaktPattern, data=data.frame(land, kontaktPattern))
kontaktByLand <- as.matrix(ftable(kontaktByLand))
View(kontaktByLand)

Ausblick

Was wir hier nicht beachtet haben: Ein Problem bei Befragungen ist, dass bestimmte Personengruppen nicht gut erreicht werden können, oder dass eine Teilpopulation klein ist, man aber in der Lage sein möchte, statistische Schlüsse zu ziehen. Letzteres wird durch Gewichtungsfaktoren gelöst. Diese haben wir hier nicht berücksichtigt! Um zu einem belastbaren Ergebnis zu kommen, wäre das erforderlich.

ablaette/learningR documentation built on July 1, 2023, 1:11 a.m.