www.crosshyou.info

政府統計の総合窓口のデータや、OECDやUCIやのデータを使って、Rの練習をしています。ときどき、読書記録も載せています。

都道府県別の通院者率のデータの分析6 - 高齢者割合の変化幅、通院者率の変化幅で回帰分析する。

f:id:cross_hyou:20210925083709j:plain

Photo by Ricardo Gomez Angel on Unsplash 

www.crosshyou.info

の続きです。

前回は、hosp: 通院者率をoldr: 65歳以上人口割合と年ダミーを入れて回帰分析してみました。

hosp = β0 + β1oldr + β2year + β3oldr:year + u という回帰式でした。

今回はhospとoldrの差分をとって回帰分析してみます。

Δhosp = β0 + β1Δoldr + u という回帰式ですね。

まずは、差分を計算しないといけないです。

f:id:cross_hyou:20210925085218p:plain

まず、filter関数で2007年だけのデータフレーム、2019年だけのデータフレームを作り、innder_join関数で2つのデータフレームを結合して、mutate関数でd_hospとd_oldrを作成しました。

グラフで両者の関係を見てみましょう。

f:id:cross_hyou:20210925085553p:plain

f:id:cross_hyou:20210925085603p:plain

あんまり相関は無いようですね。

lm()関数で回帰分析してみます。

f:id:cross_hyou:20210925085936p:plain

p-value : 0.6803となっていますので、有意なモデルではないですね。

d_hospとd_oldrは関係あるとは言えないですね。

こんどはhospの差分ではなくて変化率で回帰分析してみます。

まず、変化率の変数をmutate関数で作ります。

f:id:cross_hyou:20210925090259p:plain

g_hospという名前でhospの変化率を作りました。これも散布図を見てみましょう。

f:id:cross_hyou:20210925090523p:plain

f:id:cross_hyou:20210925090533p:plain

これも相関があるようには見えないですね。

lm関数で回帰分析してみます。

f:id:cross_hyou:20210925090726p:plain

p-value: 0.5944ということなので、こちらも有意なモデルではありませんね。

今回は以上です。

次回は

 

www.crosshyou.info

です。

はじめから読むには、

 

www.crosshyou.info

です。