-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathPISA_2012_ver4.Rnw
374 lines (313 loc) · 12 KB
/
PISA_2012_ver4.Rnw
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
\documentclass[oneside, a4paper]{book}
%%%%%%%%%%%%%%%%%%% POLSKIE ZNAKI &&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
\usepackage{polski}
\usepackage[T1]{fontenc}
\usepackage[latin2]{inputenc}
\usepackage[top=1.5cm, bottom=1.5cm, left=2cm, right=2cm]{geometry}
%%%%%%%%%%%%%%%%%%% PAKIECIKI %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\usepackage{fancyhdr}
\pagestyle{fancy}
\usepackage{amsfonts}
\usepackage{amsmath}
\usepackage{amssymb}
\usepackage{amsthm}
\usepackage{hyperref} %pakiet do dodawania hiper??cz
\hypersetup{colorlinks=true,
linkcolor=blue,
citecolor=black,
urlcolor=blue}
%%%%%%%%%%%%%%%%%% Strona tytu?owa i stopki %%%%%%%%%%%%%%%%%%%%%%%%
\usepackage[Conny]{fncychap}
\fancyhead[RO,LE]{\bfseries \small{Ko?o Zarz?dzania Projektami Statystycznymi, Uniwersytet Warszawski}}
\title{ \textbf{\Huge{Poligon Do?wiadczalny} \\ \large Czyli co m?ody statystyk jest w stanie wyczyta? z danych PISA2012?}}
\author{Marcin Kosi?ski\footnote{Wydzia? Matematyki, Informatyki i Mechaniki, Uniwersytet Warszawski}\footnote{Wydzia? Matematyki i Nauk Informacyjnych, Politechnika Warszawska}\footnote{Wydzia? Biologii, Uniwersytet Warszawski}\footnote{Wydzia? Fizyki, Uniwersytet Warszawski}, Marcin Kania\footnotemark[1], Marta Szczerbie?\footnotemark[134], \\ Magda Wa?niowska\footnotemark[1], Patrycja Wi?niewska\footnotemark[1]\footnote{Wydzia? Nauk Ekonomicznych, Uniwersytet Warszawski} \\ \\ [email protected]}
\begin{document}
\maketitle
\newpage
\begin{center}
\textbf{Streszczenie}
\end{center}
\par{}Poni?szy dokument przedstawia raport [na temat] stworzony przez cz?onk?w Ko?a Zarz?dzania Projektami Statystycznymi Uniwersytetu Warszawskiego. Dane niezb?dne do analizy zosta?y zaczerpni?te z badania \texttt{PISA2012} - Programme for International Student Assesment, przeprowadzanego przez Organisation for Economic Co-operation and Development (na pewno?). Raport jest w trakcie tworzenia. Ka?dy zainteresowany mo?e dopisa? sw?j rozdzia? b?d? podrozdzia? i zostanie uwzgl?dniony w spisie autor?w w ostatecznej wynikowej wersji naszych eksperymentalnych potyczek ze zbiorem danych z \texttt{PISA2012}. \\ \\
\textbf{Autorzy}
\begin{itemize}
\item[ ] Marcin Kania - Rozdzia? \ref{r:MKiMS} \ref{r:alll}
\item[ ] Marcin Kosi?ski - Rozdzia? \ref{r:kosa} \ref{r:alll}
\item[ ] Marta Szczerbie? - Rozdzia? \ref{r:MKiMS}
\item[ ] Magda Wa?niowska - Rozdzia? \ref{r:MWiPW} \ref{r:alll}
\item[ ] Patrcyja Wi?niewska - Rozdzia? \ref{r:MWiPW} \ref{r:alll}
\end{itemize}
\tableofcontents
\newpage
<<echo=FALSE>>=
opts_chunk$set(comment="", fig.width=6, fig.height=6,tidy.opts=list(keep.blank.line=FALSE, width.cutoff=80))
#opts_knit$set(width=60)
@
%%%%%%%%%%%% Rozdzia? Kosinskiego %%%%%%%%%%%%
\chapter{Wczytanie PISA2012 do $\mathcal{R}$}\label{r:kosa}
\section{Kwestionariusze osobowe uczni?w}
Poni?ej ma?a instrukcja jak dokopa? si? do danych z PISA2012, aby \text{dzia?a?y w $\mathcal{R}$.}
Dane w formacie \texttt{.txt} pobieramy \href{http://pisa2012.acer.edu.au/downloads/INT_STU12_DEC03.zip}{st?d}. Nast?pnie w systemie \texttt{SAS} tworzymy nowy program, kt?rego 3 pierwsze linie mo?na (ale nie trzeba) wpisa? jak poni?ej:
<<eval=FALSE>>=
libname MD "D:\PISA 2012";
filename STU "D:\PISA 2012\INT_STU12_DEC03.txt";
options nofmterr;
@
Kolejne linie w programie powinny byc przekopiowane \href{http://pisa2012.acer.edu.au/downloads/INT_STU12_SAS.sas}{z tego pliku}. W tym momencie mo?na ju? wywo?a? ca?y program w \texttt{SAS}, aby uzyska? pe?n? baz? danych \texttt{PISA2012}. Poniewa? baza zajmuje oko?o 1,5 GB, ograniczymy si? jedynie do danych dotycz?cych Polski, dzi?ki czemu program $\mathcal{R}$ b?dzia dzia?a? sprawniej na mniej pojemnym pliku. Pos?u?y do tego zapytanie \texttt{SQL}, kt?re prezentuj? poni?ej:
<<eval=FALSE, comment="">>=
proc sql;
create table POL as
select *
from Md.Stu
where CNT = 'POL'
;
@
Pomimo, ?e pierwsza kolumna bazy, z kt?rej wybieramy jedynie Polsk?, ma widniej?cy podpis \texttt{Country code 3-character}, to jednak po wy?wietleniu atrytbut?w kolumny wida?, ?e jej nazwa to \texttt{CNT}, a \texttt{Country code 3-character} to jedynie etykieta. Dodatkowo mo?na w ten spos?b odczyta? informacj? o d?ugo?ci znak?w w tej kolumnie, kt?ra wynosi 3, dlatego ostatecznie w zapytaniu \texttt{SQL} widnieje linia \texttt{where CNT = 'POL'}. \par Tak pomniejszon? baz? danych eksportuj? do formatu \texttt{.csv} (mo?liwe, ?e bezmy?lnie), dzi?ki procedurze \texttt{export}. Wszystkie dotychczasowe komendy i operacja odbywa?y si? w systemie \texttt{SAS}.
<<eval=FALSE, comment="">>=
proc export data=Pol
outfile='D:\PISA 2012\polska.csv'
dbms=csv
replace;
run;
@
Ostatecznie z pliku \texttt{.csv} mo?na ju? "tradycyjnie" wczyta? dane \text{do pakietu $\mathcal{R}$,} u?ywaj?c prostego polecenia \texttt{read.csv}.
<<cache=TRUE,comment="">>=
POL <- read.csv("D:/PISA 2012/polska.csv", sep=",", h=TRUE)
@
W rezulatacie wymiar bazdy danych, dotycz?cych jedynie Polski to:
<<comment="">>=
dim(POL)
@
A rozmiar, w bajtach:
<<comment="">>=
file.info("D:/PISA 2012/polska.csv")$size
@
Dla por?wnania, ca?a baza danych \texttt{PISA2012} jeszcze w formacie \texttt{.txt}:
<<comment="",,tidy.opts=list(keep.blank.line=FALSE, width.cutoff=80)>>=
format(file.info("D:/PISA 2012/INT_STU12_DEC03.txt")$size, digits=15)
@
Opisy poszczeg?lnych kolumn mo?na znale?? w \href{http://pisa2012.acer.edu.au/downloads/M_stu_codebook.pdf}{Codebook'u}. Nale?y pami?ta?, ?e powy?sza baza danych dotyczy?a jedynie kwestionariuszy wype?nianych przez uczni?w. \\ \\
Wi?cej na ten temat mo?na znale?? na stronie \href{http://pisa2012.acer.edu.au/downloads.php}{PISA2012}.
\section{Wyniki uzyskane przez uczni?w w Polsce}
Podobne kroki wykonuj? si?, aby wgra? do pakietu $\mathcal{R}$ wyniki uzyskane przez Polskich szesnatolatk?w. Dane w formacie \texttt{.txt} pobieramy \href{http://pisa2012.acer.edu.au/downloads/INT_COG12_S_DEC03.zip}{st?d}. Przy u?yciu tych samych komend w \texttt{SAS}, tworz? plik o rozszerzeniu \texttt{.csv} zawieraj?cy wyniki. Nast?pnie wgrywam je do $\mathcal{R}$ i ??cz? z poprzedni? ramk? danych (by? mo?e bezmy?lnie).
<<eval=FALSE>>=
Wyn <- read.csv("D:/PISA 2012/wyniki.csv", sep=",", h=TRUE)
polo <- merge(POL, Wyn)
@
Nast?pnie by mo?na by?o ewentualnie przetransportowa? po??czone dane u?ywam poni?szych komend do zapisu scalonej bazy danych w formacie \texttt{.txt} i \texttt{.csv}
<<eval=FALSE>>=
write.csv(polo, "D:/PISA 2012/polaczone.csv")
write.table(polo, "D:/PISA 2012/polaczone.txt", sep="\t")
@
Obecnie dane mo?na wczyta? poleceniami:
<<cache=TRUE>>=
ponowne <- read.table("D:/PISA 2012/polaczone.txt", sep="\t", header=TRUE)
ponowne2 <- read.csv("D:/PISA 2012/polaczone.csv", sep=",", h=TRUE)
@
Zbi?r danych wczytanych z pliku \texttt{.csv} zawiera na pocz?tku jedn? dodatkow? kolumn? zawieraj?c? liczb? porz?dkow? danego gimnazjalisty.
<<>>=
dim(ponowne)
dim(ponowne2)
@
%%%%%%%%%%% Rozdzial Marty Szczerbien i Marcina Kani %%%%%%%%%%%%%%%%
\chapter{Procentowe por?wnanie odpowiedzi dzieci z Polski w kwestionariuszach}\label{r:MKiMS}
\ \\ Przyda si? jaki? tekst :)
<<comment="">>=
podsum <- vector("list", length=dim(POL[,61:412])[2])
for (i in 1:dim(POL[,61:412])[2]){
podsum[[i]] <- summary(POL[,60+i])/sum(summary(POL[,60+i]))
podsum[[i]] <- sapply(podsum[[i]],format, digits=3)
# Poprawa wygl?du wynik?w - skr?cenie warto?ci procentowych
# do 3 liczb znacz?cych.
}
@
\ \\ Przyk?adowe wywo?anie.
<<comment="",tidy.opts=list(keep.blank.line=FALSE, width.cutoff=80)>>=
podsum[[10]]
podsum[[110]]
@
%%%%%%%%%%%% Rozdzia? Magdy i Patrycji %%%%%%%%%%%%
\chapter{Formularze wype?niane w Polsce}\label{r:MWiPW}
Tekst tekst !
<<>>=
dane <- POL
#dane<-read.table("polska.csv", sep=",", h=TRUE)
daneA<-dane[dane[,"QuestID"]=="StQ Form A",]
daneB<-dane[dane[,"QuestID"]=="StQ Form B",]
daneC<-dane[dane[,"QuestID"]=="StQ Form C",]
x<-as.data.frame(table(daneA[,"ST29Q01"]))[,2]
xnowe<-c(x[6],x[1],x[2],x[7],x[3]+x[4]+x[5])
y<-numeric(length=length(xnowe))
for (i in 1:5) {
y[i]<-xnowe[i]*100/sum(xnowe)
}
@
Piekny obrazek !
<<fig.width=6, fig.height=4.5>>=
pie(y, labels=c("Strongly Agree","Agree", "Disagree", "Strongly Disagree", "Invalid"), main="Maths Interest - Enjoy Reading")
@
\chapter{Szybka, wst?pna, treningowa analiza na ?lepo}\label{r:alll}
\section{Podmiana palety w $\mathcal{R}$}
Zmiana balety dzi?ki wykorzystaniu pakietu \texttt{RColorBrewer}
<<eval>>=
require("RColorBrewer")
palette(brewer.pal(n=12, name="Paired"))
@
Dost?pne kolory w nowej palecie \\ \\
<<echo=FALSE, fig.height=5, fig.width=6>>=
par(mar=rep(0,4))
plot.new()
plot.window(c(0, 1), c(0, 1.0))
for (i in 1:10)
rect((i-1)/10, 0, i/10 , 1, col=i)
@
\section{Kody ze spotkania 06.03.2014}
<<cache=TRUE>>=
polska<-read.csv("D:/PISA 2012/polaczone.csv", header=TRUE, sep=",")
ile<-which(names(polska)== "PM00FQ01")
ile_punktow<- function(x){
suma<-0
for (i in 1:length(x)){
if (x[i]=="Score 1") {suma<-suma+1}
if (x[i]=="Score 2") {suma<-suma+2}
}
return(suma)
}
@
Przyk?adowe dzia?anie.
<<>>=
ile_punktow(polska[7,])
@
<<>>=
polska[,845]<-apply(polska,1,ile_punktow)
names(polska)[845]
colnames(polska)[845]<-c("Wynik")
attach(polska)
summary(Wynik)
@
Prezentacja wynik?w.
<<>>=
hist(Wynik, freq=FALSE, br=63)
curve(dnorm(x,mean(Wynik), sd(Wynik)), col="red", add=TRUE)
@
Testy na normalno??.
<<>>=
ks.test(Wynik, "pnorm")
shapiro.test(Wynik)
shapiro.test(rnorm(100, mean = 5, sd = 3))
polskaM<-polska[polska$ST04Q01=="Male",]
polskaK<-polska[polska$ST04Q01=="Female",]
shapiro.test(polskaM$Wynik)
shapiro.test(polskaK$Wynik)
@
Kilka histogram?w.
<<>>=
par(mfrow=c(1,1))
hist(polskaK$Wynik, freq=FALSE, br=63, col=adjustcolor(11,0.7))
hist(polskaM$Wynik, freq=FALSE, br=63, add=TRUE, col=adjustcolor(9,0.7))
lines(density(polskaM$Wynik), col=12,lwd=3 )
lines(density(polskaK$Wynik), col=10,lwd=3 )
hist(polskaM$Wynik, freq=FALSE, br=63, add=TRUE, col=rgb(r=0,g=0,b=1, alpha=0.5))
@
Podsumowanie w 2ch grupach
<<>>=
summary(polskaK$Wynik)
summary(polskaM$Wynik)
@
Test wilcoxona.
<<>>=
wilcox.test(polskaM$Wynik,polskaK$Wynik,alternative="less")
@
Co? innego.
<<>>=
sum(polskaK$Wynik==0)
sum(polskaM$Wynik==0)
length(unique(factor(polska$ST28Q01)))
unique(factor(polska$ST28Q01))
naz<-unique(factor(polska$ST28Q01))
wek <- vector("list",length=6)
for (i in 1:6){
wek[[i]] <- polska[polska$ST28Q01==naz[i],]
}
k1 <- wek[[2]]$Wynik
k2 <- wek[[1]]$Wynik
k3 <- wek[[3]]$Wynik
k4 <- wek[[4]]$Wynik
k5 <- wek[[5]]$Wynik
k6 <- wek[[6]]$Wynik
@
6 histogramow - ale mozna to zrobic lepiej przy pomocy pakietu ggplot2.
<<eval=FALSE>>=
source('http://stringi.rexamine.com/install.R')
hist(cat("k",1, sep="")$Wynik)
class(k6$Wynik)
library(stringi)
par(mfrow=c(3,2))
for (i in 1:6){
hist(get(stri_paste("k",i)), cex=0.8)
}
@
Podzial na liczbe posiadanych ksiazek.
<<>>=
length(unique(factor(polska$ST28Q01)))
unique(factor(polska$ST28Q01))
nazwy<-unique(factor(polska$ST28Q01))
wektor <- vector("list",length=6)
wektor
for (i in 1:6){
wektor[[i]] <- polska[polska$ST28Q01==nazwy[i],]
}
for (i in 1:6){
assign(paste("k",i, sep=""),wektor[[i]]$Wynik)
}
@
Histogramy dla ksiazek
<<>>=
par(mfrow=c(3,2))
for (i in 1:6){
hist(get(paste("k",i, sep="")), main=paste(nazwy[i]), br=30, xla="Liczba osob")
}
@
Boxxplot dla ksiazek
<<>>=
par(mfrow=c(3,2))
for (i in 1:6){
boxplot(get(paste("k",i, sep="")), main=paste(nazwy[i]), ylim=c(0,65))
abline(h=quantile(get(paste("k",i, sep="")), probs=1/4), col=10)
abline(h=quantile(get(paste("k",i, sep="")), probs=3/4), col=12)
}
@
Analiza wariancji dla zmiennej "liczba posiadanych ksi??ek" - bez sprawdzenia za?o?e?.
<<>>=
analiza1 <- aov(Wynik~as.character(ST28Q01), data=polska)
summary(analiza1)
@
Por?wnania wielokrotne.
<<>>=
TukeyHSD(analiza1)
@
Test nieparametryczny Kruskala-Walisa, gdy? zapewne za?o?enia analizy wariancji nie s? spe?nione.
<<>>=
kruskal.test(Wynik~ST28Q01)
@
\chapter{Pot?ga wektoryzacji}
<<eval=FALSE>>=
install.packages("microbenchmark")
@
<<>>=
library("microbenchmark")
@
<<cache=TRUE>>=
G <- matrix(c(1,2,3,4), nrow=2000,ncol=2000)
ap2 <- function(){
p <- c()
for (i in 1:dim(G)[2]){
for (j in 1:dim(G)[1]){
p[i] <-p[i]+ G[j,i]
}
p[i]<-p[i]/(dim(G)[1])
}
return(p)
}
microbenchmark(apply(G, 2, mean),ap2(), times=10)
@
\end{document}