(Bing Image Creator で生成: プロンプト: Close up of Morning Glory flowers, flower colors are pink and violet, background is blue-sky and gentle sun shine, photo.)
の続きです。前回に引き続き、残りの変数もダミー変数にしていきます。
まずは、EMP: Employment です。 -1が回答拒否、1 がフルタイム雇用、2 がパートタイム雇用、3 がリタイア、4 が調査時点で働いていない(失業中?)です。
3 のリタイアが大半です。EMP2, EMP3, EMP4 のダミー変数を作成します。
次は、STR: Stress_Keeps_Patient_from_Sleeping(ストレスが睡眠に与える影響)です。0なら影響なし、1ならありです。
約4分の1の人が影響有り、です。STRはもとからダミー変数なのでこのままです。
次は、MED: Medication_Keeps_Patient_from_Sleeping(医療行為が睡眠に与える影響)です。0なら影響なし、1ならありです。
94%の人が影響なしです。
次は、PAI: Pain_Keeps_Patient_from_Sleeping(痛みが睡眠に与える影響)です。
23%の人が痛みでよく眠れないようです。
次は、BAT: Bathroom_Needs_Keeps_Patient_from_Sleeping(夜中のトイレが睡眠に与える影響)です。
半々くらいですね。
次は、UKN: Unkown_Keeps_Patient_from_Sleeping(その他で睡眠に影響があるか)です。
4割強の人が影響があるようです。
次は、TS: Trouble Sleeping(睡眠で困っているか)です。
TS1, TS2, TS3 のダミー変数を作成します。
次は、PSP: Prescription Sleep Medication(睡眠薬の処方があるか)です。1 が定期的に使う、2 が時々使う、3 が使わないです。
ほとんどの人が睡眠薬は使っていないようです。PSP1, PSP2, PSP3のダミー変数を作成します。
次は、RACE: 人種です。1: White, Non-Hispanic、 2: Black, Non-Hispanic、 3: Other, Non-Hispanic、 4: Hispanic、 5: 2+ Races, Non-Hispanicです。
大半が、白人、非ヒスパニックですね。black, other, hispanic, tworace とダミー変数を作成します。
最後の変数は GENDER: 性別です。
1 は男性、2は女性です。なので、maleというダミー変数を作成して、GENDERは削除します。
これで全ての変数は、0か1のダミー変数になりました。
colMeans()関数で各変数の1の比率をみてみます。
healthy, 健康な人は 38.3%, BAT, 夜中のトイレが睡眠に影響している人は 52%などとわかります。
今回は以上です。
次回は、
です。
初めから読むには、
です。
今回のコードは以下になります。
#
# EMP: Employee の度数
df |>
count(EMP) |>
mutate(prop = n / sum(n))
#
# EMP2, EMP3, EMP4 のダミー変数を作成
df <- df |>
mutate(EMP2 = if_else(EMP == 2, 1, 0),
EMP3 = if_else(EMP == 3, 1, 0),
EMP4 = if_else(EMP == 4, 1, 0)) |>
select(-EMP)
#
# STR: ストレスが睡眠に与える影響
df |>
count(STR) |>
mutate(prop = n / sum(n))
#
# MED: 医療行為が睡眠に与える影響
df |>
count(MED) |>
mutate(prop = n / sum(n))
#
# PAI: 痛みが睡眠に与える影響
df |>
count(PAI) |>
mutate(prop = n / sum(n))
#
# BAT: 夜中のトイレが睡眠に与える影響
df |>
count(BAT) |>
mutate(prop = n / sum(n))
#
# UKN: その他で睡眠に影響があるか
df |>
count(UKN) |>
mutate(prop = n / sum(n))
#
# TS: 睡眠で困っているか
df |>
count(TS) |>
mutate(propd = n / sum(n))
#
# TS1, TS2, TS3 のダミー変数を作成
df <- df |>
mutate(TS1 = if_else(TS == 1, 1, 0),
TS2 = if_else(TS == 2, 1, 0),
TS3 = if_else(TS == 3, 1, 0)) |>
select(-TS)
#
# PSP: 睡眠薬の処方があるか
df |>
count(PSP) |>
mutate(prop = n / sum(n))
#
# PSP1, PSP2, PSP3のダミー変数を作成する
df <- df |>
mutate(PSP1 = if_else(PSP == 1, 1, 0),
PSP2 = if_else(PSP == 2, 1, 0),
PSP3 = if_else(PSP == 3, 1, 0)) |>
select(-PSP)
#
# RACE: 人種
df |>
count(RACE) |>
mutate(prop = n / sum(n))
#
# RACEからダミー変数を作成
df <- df |>
mutate(black = if_else(RACE == 2, 1, 0),
other = if_else(RACE == 3, 1, 0),
hispanic = if_else(RACE == 4, 1, 0),
tworace = if_else(RACE == 5, 1, 0)) |>
select(-RACE)
#
# GENDER: 性別
df |>
count(GENDER) |>
mutate(prop = n / sum(n))
#
# maleという変数を作成
df <- df |>
mutate(male = if_else(GENDER == 1, 1, 0)) |>
select(-GENDER)
#
# 各変数の平均値
colMeans(df) |> round(3)
#
