R語言探索BRFSS數(shù)據(jù)可視化
原文鏈接：http://tecdat.cn/?p=9266
?
設定
加載包
在本實驗中，我們將使用dplyr軟件包探索數(shù)據(jù)，并使用ggplot2軟件包對其進行可視化以進行數(shù)據(jù)可視化
library(ggplot2)library(dplyr)
載入資料
load("brfss2013.RData")dim(brfss2013)
## [1] 491775 ? ?330
我們可以看到數(shù)據(jù)集的維度。我們的數(shù)據(jù)集包含491775個觀測值（行）和330個變量（列）
第1部分：數(shù)據(jù)
關于BRFSS
行為風險因素監(jiān)視系統(tǒng)（BRFSS）是每年對美國超過40萬人進行的電話調查。該系統(tǒng)收集有關美國居民與健康相關的危險行為，長期健康狀況，以及使用預防服務。顧名思義，BRFSS旨在識別成年人口中的危險因素并報告新出現(xiàn)的健康趨勢。?
數(shù)據(jù)收集方法
通過與家庭居民進行電話采訪，從美國各州，哥倫比亞特區(qū)和參與的美國領土收集了數(shù)據(jù)。2011年進行了超過50萬次此類采訪，使用隨機抽樣收集了電話采訪和手機訪問的樣本，從一個州根據(jù)密度按分層抽樣方法獲得了電話樣本，而手機樣本則是從一個隨機抽樣中抽取的。??
為了保持各州之間的一致性，BRFSS遵循標準的數(shù)據(jù)收集協(xié)議，其中包括對符合條件的家庭進行隨機抽樣，構建調查表，進行手機采訪，維護程序以保護受訪者的機密性并確保采訪過程的質量。一個月的樣本電話采訪在同一個月內進行。?
關于數(shù)據(jù)收集對推斷范圍的影響的評論
BRFSS的調查涵蓋了50個州和美國領土，其中包括對隨機收集的家庭數(shù)據(jù)進行的超過500,000次電話采訪，這些數(shù)據(jù)僅是隨機樣本，并且在數(shù)據(jù)收集中建立了嚴格的程序以確保代表性人口樣本。?
由于這是一項觀察性研究，而不是具有隨機控制的蹤跡和目標樣品的隨機分配的實驗性研究，因此無法推斷變量之間的因果關系。
第2部分：研究問題
研究問題1：
身心健康與睡眠之間有關聯(lián)嗎？?
這個問題涉及對人的健全健康影響睡眠的年齡 的問題。 這將是從該數(shù)據(jù)集中探索的有趣相關性。正在考慮的變量有：
physhlth：天數(shù)身體健康不好
menthlth：心理健康的天數(shù)不好
sleptim1：您睡多少時間
性別：受訪者性別
研究問題2：
收入水平和就業(yè)狀況是否會改善健康狀況？
?因為收入水平和就業(yè)狀況對個人的自我價值和心理狀態(tài)具有巨大影響。金融不安全會給個人造成巨大的精神傷害，因此我們希望這些人具有不利的健康狀況。
考慮的變量有：
genhlth：一般健康
受雇1：就業(yè)狀況
收入2：收入水平
研究問題3：
肥胖（高BMI）會加劇心臟病發(fā)作和高膽固醇水平的風險嗎？
這個問題試圖回答肥胖對加重心臟病發(fā)作健康風險的影響。心臟驟停是影響所有背景人群的最常見疾病之一。我們將嘗試尋找高膽固醇水平，BMI升高與心臟病風險之間的關系。
正在考慮的變量有：
_bmi5cat：計算體重指數(shù)類別
tellhi2：高膽固醇血癥
cvdinfr4：曾經(jīng)被診斷出患有心臟病
第3部分：探索性數(shù)據(jù)分析
研究問題1：
V1<-brfss2013%>%filter(!is.na(physhlth),!is.na(sleptim1),!is.na(menthlth),!is.na(sex))%>%select(physhlth,sleptim1,menthlth,sex)
我們創(chuàng)建了一個新的數(shù)據(jù)框V1，其中包含4個連續(xù)變量。在刪除了包含NA輸入的行之后，我們對數(shù)據(jù)進行了分類。
ggplot(data=V1,aes(x=sleptim1,y=physhlth,color=sex))+geom_point()+scale_fill_manual(values =c("red","seagreen3"))
?
研究問題2：
清理目標變量的數(shù)據(jù)集并將結果存儲在新的V2中
研究問題3：
新的變量V3存儲由3個目標變量組成的數(shù)據(jù)幀。
count(V3,cvdinfr4)
## # A tibble: 2 x 2## ? cvdinfr4 ? ? ?n## ? ? <fctr> ?<int>## 1 ? ? ?Yes ?26935## 2 ? ? ? No 370021
ggplot(data=V3,aes(x=cvdinfr4,fill=X_bmi5cat))+
geom_bar()
?超重和肥胖的人似乎最容易受到心臟病的影響。
高膽固醇血癥最嚴重的原因是超重或肥胖。
