knitr::opts_chunk$set( collapse = TRUE, comment = "#>", eval = FALSE )
Le deroulement d'une analyse selon les directives d'analyse des donnees:
Son implementation dans hypegrammaR:
Toute analyse avec HypegrammaR suit la meme structure:
La grammaire est construite a partir de deux types d'elements: - "Blocks": Prend la sortie d'un mapping - "Mappings": decidez quoi faire, appelez un "bloc" qui le fait et renvoie un autre bloc.
remotes::install_github('ellieallien/hypegrammaR',build_opts = c()) remotes::install_github('mabafaba/surveyweights',build_opts = c()) remotes::install_github('mabafaba/koboquest',build_opts=c())
library(hypegrammaR)
Tous les fichiers d'entree sont attendus en tant que fichiers csv.
Chaque entree que nous attendons habituellement d'une evaluation a sa propre fonction pour la charger. Ils verifient que le format correspond a ce qui est attendu, s'assurent qu'ils fonctionnent bien les uns avec les autres et preparent la fonctionnalite pour laquelle ils sont utilises.
D'abord les donnees. Un fichier csv avec des donnees au format Kobo standard.
assessment_data<-load_data(file = "../data/testdata.csv")
Puis un sampling frame. Un fichier csv avec une colonne avec des noms de strates, une colonne avec des chiffres de population. Les noms de strates doivent correspondre exactement a certaines valeurs des donnees. Nous devons indiquer a la fonction de chargement quelle colonne est quoi dans le sampling frame.
sampling_frame<-load_samplingframe("../data/test_samplingframe.csv")
Enfin, le questionnaire, qui depend de la question et de la feuille de choix en tant que csv.
questionnaire<-load_questionnaire(data = assessment_data, questions = "../data/test_questionnaire_questions.csv", choices = "../data/test_questionnaire_choices.csv", choices.label.column.to.use = "label::English" )
weighting <- map_to_weighting( sampling.frame = sampling_frame, data.stratum.column = "stratification", sampling.frame.population.column = "population", sampling.frame.stratum.column = "strata.names", data = assessment_data)
Tu dois savoir:
direct_reporting
group_difference
limit
regression
case <- map_to_case(hypothesis.type = "group_difference", dependent.var.type = "numerical", independent.var = "categorical")
result<-map_to_result(data = assessment_data, dependent.var = "number_simultaneous_unmet_need", independent.var = "region", case = case, weighting = weighting)
La fonction map_to_result
vous donne un certain nombre de choses:
Tout d'abord, un message vous expliquant comment cela s'est passe:
# result$message
C'est ce que nous voulons voir. Si quelque chose ne va pas, cela devrait vous dire ici ce qui s'est pass?.
# result$parameters
Comme vous pouvez le constater, il se souvient de vos param?tres d'entr?e. Il a ?galement ajout? un nom normalis? du cas d'analyse.
# result$summary.statistic
Dans ce cas, les 'nombres' sont des moyennes, car la variable d'entree etait numerique. min
etmax
est l'intervalle de confiance correspondant. dependent.var.value
donne les valeurs des variables correspondantes si elles sont cat?goriques (NA
sinon.)
Lee resume statistique sera toujours organis? avec exactement ces colonnes, quelle que soit l'analyse effectuee. Ainsi, si vous ajoutez une nouvelle visualisation ou un nouveau format de sortie, cela fonctionnera pour toutes les sorties de cette fonction.
Ensuite, vous trouverez des informations sur le test d'hypothese utilise (le cas echeant) et sur la p-valeur:
# result$hypothesis.test
Vous serez probablement plus interesse par la p-valeur et le type de test utilise.
chart<-map_to_visualisation(result) heatmap<-map_to_visualisation_heatmap(result) chart
Pour les utilisateurs avanc?s (qui connaissent ggplot): La fonction de visualisation retourne un objet ggplot afin que vous puissiez ajouter / remplacer des elements ggplot. par exemple:
# myvisualisation+coord_polar()
result %>% map_to_labeled(questionnaire) -> result_labeled chart <- result_labeled %>% map_to_visualisation heatmap <- result_labeled %>% map_to_visualisation_heatmap
map_to_file(chart,"barchart.jpg") map_to_file(result$summary.statistic,"summary_statistics.csv")
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.