24. R 카이제곱검정 연습문제

01. 교육수준(education)과 흡연율(smoking) 간의 관련성을 분석하기 위한 가설을 수립하고, 이를 토대로 가설을 검정하시오.[독립성 검정]

귀무가설 : 교육수준과 흡연율은 관련성이 없다(독립적이다).
연구가설 : 교육수준과 흡연율은 관련성이 있다(독립적이지 않다).

 

<단계 1> 파일 가져오기

setwd("c:/ITWILL/2_Rwork/data")
smoke = read.csv("smoke.csv", header=TRUE)

변수 보기

head(smoke) # education, smoking 변수

<단계 2> 코딩 변경 - 변수 리코딩 (가독성 제공    )
education(독립변수) : 1:대졸, 2:고졸, 3:중졸 
smoking(종속변수): 1:과다흡연, 2:보통흡연, 3:비흡연

education 변수 리코딩 : education2

smoke$education2[smoke$education == 1] = '1:대졸'
smoke$education2[smoke$education == 2] = '2:고졸'
smoke$education2[smoke$education == 3] = '3:중졸'
table(smoke$education2)

smoking 변수 리코딩 : smoking2

smoke$smoking2[smoke$smoking == 1] = "1:과다흡연"
smoke$smoking2[smoke$smoking == 2] = "2:보통흡연"
smoke$smoking2[smoke$smoking == 3] = "3:비흡연"
table(smoke$smoking2)

<단계 3> 교차분할표 작성(table 함수 이용)  

table(smoke$education2, smoke$smoking2)

<단계 4> 독립성 검정(CrossTable 함수 이용)

CrossTable(x=smoke$education2, y=smoke$smoking2, chisq = T)

Chi^2 =  18.91092     d.f. =  4     p =  0.0008182573 

<단계 5> 검정결과 해석
* P-value < 알파 : 유의미한 수준에서 두 변인은 관련성이 있다고 볼 수 있다. 

 

 

 

 

02. 나이(age3)와 직위(position) 간의 관련성을 단계별로 분석하시오. [독립성 검정]
귀무가설 : 나이와 직위은 관련성이 없다.
대립가설 : 나이와 직위은 관련성이 있다.

[단계 1] 파일 가져오기

data = read.csv("cleanData.csv")
head(data)

[단계 2] 변수 선택   

x = data$position # 행 - 직위 변수 이용
y = data$age3 # 열 - 나이 리코딩 변수 이용

[단계 3] 산점도를 이용한 변수간의 관련성 보기 - plot(x,y) 함수 이용

plot(x, y) # 두 변인 간 상관성 확인

[단계 4] 독립성 검정

chisq.test(x=x, y=y)

X-squared = 287.9, df = 8, p-value < 2.2e-16

[단계 5] 검정결과 해석 
귀무가설을 지지하는 확률이 매우 낮다. 따라서 매우 유의미한 수준에서 
두 변인 간의 차이를 보인다.

 

 

 

 

03. 직업유형에 따른 응답정도에 차이가 있는가를 단계별로 검정하시오.[동질성 검정]

[단계 1] 파일 가져오기

response = read.csv("response.csv")
head(response) # 변수 보기

job response

[단계 2] 코딩 변경 
job 칼럼 코딩 변경 : 1:학생, 2:직장인, 3:주부 
response 칼럼 코딩 변경 : 1:무응답, 2:낮음, 3:높음

job 변수 리코딩 : job2

response$job2[response$job==1] = '1:학생'
response$job2[response$job==2] = '2:직장인'
response$job2[response$job==3] = '3:주부'

response 변수 리코딩 : response2

response$response2[response$response==1] = '1:무응답'
response$response2[response$response==2] = '2:낮음'
response$response2[response$response==3] = '3:높음'

[단계 3] 교차분할표 작성

table(response$job2, response$response2)

           1:무응답 2:낮음 3:높음
1:학생         25     37      8
2:직장인       10     62     53
3:주부          5     41     59

[단계 4] 동질성 검정  

CrossTable(response$job2, response$response2, chisq = T)

Chi^2 =  58.2081     d.f. =  4     p =  6.900771e-12 

[단계 5] 검정결과 해석
매우 유의미한 수준에서 직업의 유형에 따른 응답율에 차이가 있다고 볼 수 있다.