R语言可视化探索BRFSS数据并逻辑回归Logistic回归预测中风 |
您所在的位置：网站首页 › r语言加载ggplot2 › R语言可视化探索BRFSS数据并逻辑回归Logistic回归预测中风 |
R语言可视化探索BRFSS数据并逻辑回归Logistic回归预测中风
|
原文链接：http://tecdat.cn/?p=9195 最近我们被客户要求撰写关于逻辑回归的研究报告，包括一些图形和统计输出。 行为风险因素监视系统（BRFSS）是美国的年度电话调查。BRFSS旨在识别成年人口中的危险因素并报告新兴趋势 加载包library(ggplot2)载入资料load("brfss2013.RData")第1部分：关于数据例如，询问受访者饮食和每周的体育锻炼，艾滋病毒/艾滋病状况，可能的烟草使用，免疫接种，健康状况，健康天数-与健康相关的生活质量，获得医疗保健，睡眠不足，高血压意识，胆固醇意识，慢性健康状况，饮酒，水果和蔬菜消费，关节炎负担和安全带使用。 数据采集：数据收集过程在brfss_codebook中进行了说明。通过进行座机电话调查和基于蜂窝电话的调查，从美国所有50个州，哥伦比亚特区，波多黎各，关岛和美属萨摩亚，密克罗尼西亚联邦和帕劳收集了数据。固定电话样本已使用了不成比例的分层抽样（DSS），并且随机选择了蜂窝电话受访者，每个受访者具有相同的选择概率。我们正在处理的数据集包含330个变量，2013年共进行491、775次观测。缺失值用“ NA”表示。 推广性：样本数据应使我们能够推广到感兴趣的人群。它是对491,775名18岁以上美国成年人的调查。它基于大量分层的随机样本。潜在偏见与无回应，不完整的访谈，价值观缺失和便利偏见有关。 因果关系：BRFSS是一项观察研究，只能建立变量之间的相关性/关联性，因此无法建立因果关系。 第2部分：研究问题研究问题1：在过去30天内，身心健康状况不佳的天数分布是否因性别而异？ 研究问题2：受访者接受采访的月份与受访者自我报告的健康感知之间是否存在关联？ 研究问题3：收入和医疗保险之间有关联吗？ 研究问题4：吸烟，饮酒，胆固醇，血压，体重和中风之间是否有任何关系？最终，我想看看是否可以通过上述变量预测中风。 第3部分：探索性数据分析研究问题1：ggplot(aes(x=physhlth, fill=sex), data = brfss2013[ ! is.na(brfss2013 $ sex), ]) + geom_histogram(bins=30, position = position_dodge()) + ggtitle('Number of Days Physical Health not Good in the Past 30 Days') 点击标题查阅往期内容  R语言逻辑回归(Logistic Regression)、回归决策树、随机森林信用卡违约分析信贷数据集  左右滑动查看更多 01  02  03  04  ggplot(aes(x=menthlth, fill=sex), data=brfss2013[ ! is.na(brfss2013 $ sex), ]) +
geom_histogram(bins=30, position = position_dodge()) + ggtitle('Number of Days Mental Health not Good in the Past 30 Days') ggplot(aes(x=poorhlth, fill=sex), data=brfss2013[ ! is.na(brfss2013 $ sex), ]) +
geom_histogram(bins=30, position = position_dodge()) + ggtitle('Number of Days with Poor Physical Or Mental Health in the Past 30 Days') summary(brfss2013 $ sex)
## Male Female NA's
##201313 290455 7以上三个数字显示了过去30天内男性和女性对身体，精神和健康状况不佳的天数做出反应的数据分布。我们可以看到，女性受访者比男性受访者要多得多。 研究问题2：  我试图找出人们在不同月份对健康状况的反应是否不同。例如，人们是否更有可能说自己在春季或夏季身体健康？ 研究问题3： 一般而言，高收入受访者比低收入受访者更有可能获得医疗保健。 研究问题4：为了回答这个问题，我将使用以下变量： smoke100：抽至少100支香烟avedrnk2：过去30天每天平均含酒精饮料bphigh4：曾经血压过高tellhi2：高胆固醇血症weight2：报告的磅数cvdstrk3：曾经被诊断为中风首先，将上述变量转换为数字，并查看这些数字变量之间的相关性。 corr.matrix似乎没有任何两个数字变量具有很强的相关性。 Logistic回归预测中风将答案“是，但女性仅在怀孕期间告知”和“告诉临界点或高血压前”回答为“是”。 将“ NA”值替换为“否”。 stroke $ bphigh4 |
【本文地址】
今日新闻 |
推荐新闻 |