세미프로젝트03 추가분석

5. 추가분석2
지역별 한의원, 요양병원, 보건소의 개수, 지역별 소득수준, 도시 비율이 노인 인구 비율과 관련이 있을까?

SQL에서 원하는 정보(병원 종류별) 추출하고 dataset 불러오기

hane = read_excel("HANE.xlsx")
yo = read_excel("YOYANG.xlsx")
zin = read_excel("ZINRYO.xlsx")
zi = read_excel("ZISO.xlsx")
head(hane, n=10)

df로 형변환

hane = as.data.frame(hane)
yo = as.data.frame(yo)
zin = as.data.frame(zin)
zi = as.data.frame(zi)

dataset 병합

plus = merge(total, hane, by="area", all=T)
plus = merge(plus, yo, by="area", all=T)
plus = merge(plus, zin, by="area", all=T)
plus = merge(plus, zi, by="area", all=T)
head(plus)

NA를 0으로

plus[is.na(plus)]=0

상관분석

cor(plus$hane, plus$pop_old_be) #-0.5251034
cor(plus$yoyang, plus$pop_old_be) #-0.3692181
cor(plus$zinryo, plus$pop_old_be) #0.5914815
cor(plus$ziso, plus$pop_old_be) #0.6068566

[해석] 한의원과 요양시설은 음의 관계, 보건진료소와 보건지소는 양의 관계

다중회귀분석

plus_model = lm(pop_old_be ~ hane+yoyang+zinryo+ziso, data = plus)
summary(plus_model)

Coefficients:
Estimate          Std.     Error   t value   Pr(>|t|)    
(Intercept) 20.578706   0.870577   23.638    < 2e-16 ***
hane        -0.037452   0.009087   -4.122   5.07e-05 ***
yoyang      -0.255789   0.088803   -2.880   0.004305 ** 
zinryo       0.162956   0.117034    1.392   0.165005    
ziso         0.620955   0.183089    3.392   0.000804 ***
Residual standard error: 6.361 on 258 degrees of freedom
Multiple R-squared:  0.4787, Adjusted R-squared:  0.4706 
F-statistic: 59.23 on 4 and 258 DF,  p-value: < 2.2e-16
[해석] p-value가 0.05 미만이므로 유의성은 검증되었으나 R-squared(설명력)은 0.47정도로 47%해석된다.





6.추가분석2
그렇다면 지역별 소득수준과 도시비율이 병원 수에 영향을 미칠까?

데이터 불러오기

setwd('C:/ITWILL/2_Rwork/00/SemiProject')
ect = read_excel("ect.xlsx")
head(ect, n=10)

다중회귀분석

da = lm(count ~ ect$money + ect$city_be, data = ect)

summary(da)

Coefficients:
Estimate        Std.       Error   t value   Pr(>|t|)    
(Intercept) 566.06761  122.95994    4.604    6.93e-06 ***
ect$money    -7.11020    3.57345   -1.990    0.0478 *  
ect$city_be   0.03499    0.56642    0.062    0.9508   
Residual standard error: 333.2 on 226 degrees of freedom
Multiple R-squared:  0.018, Adjusted R-squared:  0.009307 
F-statistic: 2.071 on 2 and 226 DF,  p-value: 0.1284
[해석]p-value가 0.05 미만이므로 회귀모형은 통계적으로 유의하게 타당한 것으로 나타났다. 그러나 설명력이 0에 가까우므로 모델의 예측력이 좋다고 할 수는 없다.