Discussion :

[Kingofghost]

Bonjour,
Actuellement à la fac, nous faisons une introduction à R. Nous sommes sur les variables qualitatives. Mais j'ai un très gros problème vis à vis de celles-ci.

Je demande à R de m'afficher des salaires annuels par rapport à 3 diplômes : Licence, Master, Doctorat. Or R refuse de m'estimer les 3 coefficients et m'en estime seulement 2 sur les 3 (Master et Doctorat) ! (Ci joint la capture d'écran)
Petite précision : 0 pour une licence, 1 pour un master et 2 pour un doctorat sur le modèle de base. Est-ce à cause de cela ? Selon la prof il faut absolument faire une phrase sur l'estimation des 3 coefficients...

L'estimation de pe$educ_Licence serait donc "Tt chose égale par ailleurs, sur cette base, la détention d'une licence n'entraine pas de hausse de salaire" ??
et pour pe$educ_Master "Tt chose égale par ailleurs, par rapport à une licence, la hausse de salaire annuel serait de 11745$" ?



Merci,
Samuel

[DianeBeldame]

Bonjour,

Vous ne faites pas des statistiques descriptives du jeu de données mais le résumé d'un modèle linéaire (en l'occurrence une analyse de la variance puisque vous essayez d'expliquer une variable quantitative par une qualitative).
Votre modèle dit que le niveau de revenu s'explique (au moins) par le niveau d'étude. Les licences gagnent 62k là où les masters et doctorats gagnent respectivement 11 et 23 k de plus. Je suggère que vous traciez un plot pour comprendre ce qui se passe dans vos données.

Si vous voulez la ligne des statistiques descriptives du jeu de donnée, il faut appliquer la fonction summary... sur le jeu de données.

(toute ma compassion pour l'apprentissage "à l'ancienne, à la dure" de R que vous subissez)

[Kingofghost]

Merci infiniment @DianeBeldame pour cette réponse claire, précise et rapide !

Effectivement, c'est du bourrage de crâne mais bon... je m'accroche

Est-ce que je peux vous envoyer mon modèle entier et "mes estimations" des coefficients pour me dire si cela est correcte?

[DianeBeldame]

Est-ce que je peux vous envoyer mon modèle entier et "mes estimations" des coefficients pour me dire si cela est correcte?

Faites un boxplot de votre variable de revenus en fonction de la variable de diplôme d'abord. Venez nous lire vos conclusions et si vraiment vous n'arrivez pas... oui, on va pas vous laisser dans la panade
(on devrait interdire de faire le moindre modèle sans avoir tracé au moins un graphique de la variable d'intérêt.)

[Kingofghost]

Faites un boxplot de votre variable de revenus en fonction de la variable de diplôme d'abord. Venez nous lire vos conclusions et si vraiment vous n'arrivez pas... oui, on va pas vous laisser dans la panade

Merci beaucoup.
En réalité, la variable educ n'est pas la seule de mon modèle mais la prof ne demande pas de faire de graphique cette fois ci. Je pense grâce à votre aide avoir bien cerné le modèle pour le coup. Est-ce que les interpretations vous semblent correctes? Je fais le graphique en parallèle pour comprendre au mieux !




Merci encore !

[DianeBeldame]

la prof ne demande pas de faire de graphique cette fois ci.

omaga ! Je suis outrée !
Faut tout le temps en faire... c'est la bâââse ! (c'est comme ça que je viens de me rendre compte que j'avais des revenus nuls)
(postez du code pour la suite, parce que les fleurs c'est périssable les images c'est pas copier collable)

[Kingofghost]

omaga ! Je suis outrée !
Faut tout le temps en faire... c'est la bâââse ! (c'est comme ça que je viens de me rendre compte que je n'avais pas retiré les revenus nuls)
(postez du code pour la suite, parce que les fleurs c'est périssable les images c'est pas copier collable)

#Je viens de voir votre site ThinkR, un beau projet WOW !

Voilà, voilà ! Effectivement, il y a des revenus nuls des chomeurs

Pour la dernière question (Q11) je ne suis pas sur du tout. Merci beaucoup.

#Exercice 9

#Q1)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
library(freqparcoord)
data(prgeng)

#Q2) (Formules données par la prof)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
pe=prgeng[ prgeng$educ>= 13 & prgeng$educ !=15 , ]
pe$educ=factor(pe$educ,levels=c("13","14","16"),labels=c("Licence", "Master","Doctorat"))
pe$fem=pe$sex-1

(de base c'était 2 pour une femme et 1 pour un homme, on fait -1 pour avoir 0 pour un homme et 1 pour une femme)

#Q3) Je corrige mes variables

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
str(pe)
pe$wageinc=as.numeric(pe$wageinc)
pe$age=as.integer(pe$age)
pe$fem=as.factor(pe$fem)
str(pe)

#Q4)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
Salaire=pe$wageinc
Age=pe$age
Sexe=pe$fem
Diplome=pe$educ
 
Age=na.omit(Age)
Salaire=na.omit(Salaire)
Sexe=na.omit(Sexe)
Diplome=na.omit(Diplome)

#Q5)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
a=length(Age)
a
#Il y a 13874 observations, c'est largement suffisant pour une estimation via les MCO.
regA<-lm(Salaire~Age+Sexe+Diplome)
summary(regA)

#Q6)#Q7)#Q8) Coeffs significatifs ?
"Oui, les 3 coefficients sont significatifs car leur p-value est inférieure à 5%
Ce qui indique que l'on rejette les 4 hypothèses nulles où les coefficients estimés sont nuls"

#Q10) Interprétez chaque coefficients
"
Toutes choses égales par ailleurs, en moyenne, le salaire moyen d'une femme diplômée d'une licence est de 53321$ annuel
Toutes choses égales par ailleurs, en moyenne, une année d'expérience supplémentaire augmente d'environ 325$ le salaire annuel
Toutes choses égales par ailleurs, en moyenne, un homme gagne environ 14127$ annuel de plus qu'une femme à poste égal
Toutes choses égales par ailleurs, en moyenne, un master augmente le salaire annuel d'environ 11213$ par an par rapport à une personne détenant seulement une licence
Toutes choses égales par ailleurs, en moyenne, un doctorat augmente le salaire annuel d'environ 20808$ par an à une personne détenant seulement une licence
"

#Q11) Ecrivez le modèle à la main

[DianeBeldame]

On vous a dit quelles variables mettre dans le modèle ou c'est vous qui choisissez ?

[Kingofghost]

On vous a dit quelles variables mettre dans le modèle ou c'est vous qui choisissez ?

La prof a indiqué dans l'énoncé lesquelles utiliser
Edit : Ci-joint l'énoncé

[DianeBeldame]

Je suppose que les réponses fournies sont celles "attendues", même si on met sous le tapis beaucoup de choses (le plan est déséquilibré, les effets d'interactions ignorés, les autres variables évincées alors que les graphes montrent une sous-population avec des revenus satellitaires par rapport aux autres et que le revenu annuel pourrait être au moins pondéré au nombre de semaines travaillées...). Mais OK, soit !

J'ai fait un peu d'exploratoire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
 
library(freqparcoord)
data(prgeng)
 
library(tidyverse)
library(skimr)
 
data <- prgeng %>% as_tibble() %>% 
  filter(educ >= 13 & educ != 15) %>% # on filtre les individus dont educ est supérieur ou égal à 13 et différent de 15
  mutate(educ = case_when(educ == 13 ~ "licence", 
                          educ == 14 ~ "master", 
                          educ == 16 ~ "doctorat"),
         educ = fct_relevel(as.factor(educ), "licence", "master"), 
         sex = case_when(
           sex == 1 ~ "homme", 
           sex == 2 ~ "femme"), 
         cit = as.character(cit), 
         engl = as.character(engl), 
         birth = as.character(birth), 
         powspuma = as.character(powspuma)) %>% 
  drop_na(wageinc)
 
data %>% skim() # une alternative à summary()
 
ggplot(data, aes(sex, age))+ geom_boxplot()
data %>% filter(wageinc>= 300000) # mais qui sont ces gens ? 
ggplot(data, aes(sex))+ geom_bar()
ggplot(data, aes(educ))+ geom_bar()
ggplot(data, aes(wageinc, color = sex))+ geom_density()
ggplot(data, aes(wageinc, color = educ))+ geom_density()
ggplot(data, aes(age, wageinc, color = sex))+ geom_point() + facet_grid(sex ~ educ)
 
data %>% filter(wageinc>= 300000) %>% count(occ) 
data %>% count(occ)

[Kingofghost]

Bonjour Diane,

Wow super, merci! Je doute que ma prof sache faire tout ça... , on aurait surement tous mieux compris avec cette pédagogie... m'enfin....

Effectivement, cela n'a rien à voir avec ce qu'on a pu voir en cours... peut-être soumettre le modèle à ma prof lors du prochain TD? Mais j'ai peur qu'elle se vexe qd même...

Les graphiques montrent vachement la disparité des hommes/femmes à diplôme égal c'est interessant !

En revanche, j'ai du mal à comprendre les résultats de la fonction data %>% skim() p/r à ceux d'un summary(lm(....~...)) classique
Et si j'ai bien compris également les %...% ne changent rien à la fonction, juste pour gagner visibilité?

[DianeBeldame]

Je doute que ma prof sache faire tout ça...

Je ne me permettrais pas de juger

un summary d'un dataset (summary(dataset) ) comme avec skimr va proposer un résumé du jeu de données (min, max, moyenne, écart-type ou comptages quand il s'agit de variables quantitatives, données manquantes etc...)
C'est la première chose à faire quand on se retrouve face à un dataset inconnu. La deuxième étant de tracer des plots.
Alors qu'un summary(lm(modèle)) va nous permettre d'accéder aux infos essentielles du modèle linéaire (table d'anova, calcul des paramètres...)

En lui demandant summary(untruc) ou plot(untruc), R essaiera toujours de nous faire "un truc" pour nous faire plaisir (genre plot(iris) renvoie un graphe alors qu'on ne spécifie pas exactement les variables du graphe)

[DianeBeldame]

%>% se fait avec la touche ctrl+M (comme magritte - attention ctrl+% qui va modifier la disposition de la fenêtre, il suffit de refaire ctrl+% pour revenir à l'état intial) et se lit "ensuite" : https://thinkr.fr/utiliser-la-gramma...r-ses-donnees/

[Kingofghost]

%>% se fait avec la touche ctrl+M (comme magritte - attention ctrl+% qui va modifier la disposition de la fenêtre, il suffit de refaire ctrl+% pour revenir à l'état intial) et se lit "ensuite" : https://thinkr.fr/utiliser-la-gramma...r-ses-donnees/

Ah oui , j'ai trouvé ça aussi ! Sympa !

et du coup êtes vous OK pour ce modèle ajusté ? Enfin surtout la notation de la variable "Diplome" qui peut prendre 3 données , je suis un peu perdu

[Emmeline5]

Oui c'est en effet la base de la base ! Pour les test, tu peux utiliser les commandes suivantes qui peuvent t'aider également , je les utilise très régulièrement
X2 x^2
√ sqrt()

summary(tableau1)
var(tableau1$VD1)
sd(tableau1$VD1)
cov(tableau1$VD1, tableau1$VD2)
cor(tableau1$VD1, tableau1$VD2)
cor.test(tableau1$VD1, tableau1$VD2)

t.test(x, mu=B, alternative="greater", var.equal=T)
t.test(x, mu=B, alternative="less", var.equal=T)
t.test(x1,x2, paired=T, alternative="greater", var.equal=T)
t.test(x1,x2, paired=T, alternative="less", var.equal=T)
t.test(x1,x2, paired=F, alternative="two.sided", var.equal=T)
T critique/ qt(p=x , df=ddl , lower.tail=F)

plot (x , y)
ab <- lm(y ~ x)
plot (x , y)+abline (ab)
a <- cov(x , y)/var(x)
b <- mean(y)-a*mean(x)

main= " titre principal "
xlab="titre x"
ylab="titre y"
xlim= c(min x, max x)
ylim= c(min y, max y)
col="couleur"

barplot(x,y)
arrows()
names.arg=c(" "," ")
boxplot
names= c(" "," ")