[0418] 데이터 분석 실습 - 한국 복지 패널

‘한국복지패널데이터’ 분석 프로젝트 : 한국인의 삶을 파악하라!'

1. '한국복지패널데이터' 분석 준비하기
한국복지패널데이터
• 한국보건사회연구원 발간
• 가구의 경제활동을 연구해 정책 지원에 반영할 목적
• 2006~2015년까지 전국에서 7000여 가구를 선정해 매년 추적 조사
• 경제활동, 생활실태, 복지욕구 등 수천 개 변수에 대한 정보로 구성
(참고- 하기 데이터는 실습용으로 2015년 데이터임)

데이터 분석 준비하기

패키지 준비하기
• foreign 패키지 설치
• SPSS 파일 로드
• 전처리
• 시각화
• 엑셀 파일 불러오기

 

데이터 준비하기
데이터 검토하기 : head() / tail() / View() / dim() / str() / summary()
• 대규모 데이터는 변수가 많고 변수명이 코드로 되어 있어서 전체 데이터 구조를 한눈에 파악하기 어려움
• 변수명을 쉬운 단어로 바꾼 후 분석에 사용할 변수들 각각 파악해야 함

변수명 바꾸기 : rename()

library(foreign) # SPSS 파일 로드
library(dplyr) # 전처리
library(ggplot2) # 시각화
library(readxl) # 엑셀 파일 불러오기
  
raw_welfare <- read.spss("./data/Koweps_hpc10_2015_beta1.sav",
                         to.data.frame = T) #데이터 파일 불러오기
                         
welfare <- raw_welfare #복사본 만들기
str(welfare)
summary(welfare)
welfare <- rename(welfare,
                  sex=h10_g3,
                  birth=h10_g4,
                  marriage=h10_g10,
                  religion=h10_g11,
                  income=p1002_8aq1,
                  code_job=h10_eco9,
                  code_region=h10_reg7) #변수명 재설정

데이터 분석 절차
• 1단계. 변수 검토 및 전처리
• 2단계. 변수 간 관계 분석


===================================

2. 성별에 따른 월급 차이
- "성별에 따라 월급이 다를까?"

분석 절차
2-1. 변수 검토및 전처리
• 성별 변수 검토(class() / table() / welfare$sex) 및 전처리 (이상치 확인 / 이상치를 결측치로 처리 / 결측치 확인 / 성별 항목 이름 부여)
• 월급 변수 검토(class() / summary() / welfare$income) 및 전처리 (이상치 확인 / 이상치를 결측치로 처리 / 결측치 확인)

2-2. 성별과 월급 변수 간 관계 분석
• 성별 월급 평균표 만들기
• 그래프 만들기


===================================

3. 나이와 월급의 관계
- "몇 살 때 월급을 가장 많이 받을까?"

분석 절차
3-1. 변수 검토 및 전처리
• 나이 변수(class() / summary() / welfare$birth)  검토 및 전처리하기 (이상치 확인 / 이상치를 결측치로 처리 / 결측치 확인 / 파생변수 만들기 - 나이)
• 월급 변수 검토 및 전처리하기
3-2. 나이와 월급 변수 간 관계 분석
• 나이에 따른 월급 평균표 만들기
• 그래프 만들기

#성별 변수 검토 및 전처리

class(welfare$sex)
table(welfare$sex)
welfare$sex <- ifelse(welfare$sex ==9, NA, welfare$sex)
table(is.na(welfare$sex))
welfare$sex <- ifelse(welfare$sex==1, "male", "female")
table(welfare$sex)
qplot(welfare$sex)

#월급 변수 검토 및 전처리

class(welfare$income)
summary(welfare$income)
qplot(welfare$income)
qplot(welfare$income) + xlim(0,1000)

summary(welfare$income)
welfare$income <-  ifelse(welfare$income %in% c(0,9999), NA, welfare$income)
table(is.na(welfare$income))

#성별 월급 평균표 만들기
sex_income <- welfare %>% 
  filter(!is.na(income)) %>% 
  group_by(sex) %>% 
  summarise(mean_income = mean(income))

ggplot(data=sex_income, aes(x=sex, y=mean_income)) + geom_col()

#나이와 월급의 관계
class(welfare$birth)
summary(welfare$birth)
qplot(welfare$birth)

summary(welfare$birth)
table(is.na(welfare$birth))
welfare$birth <-  ifelse(welfare$birth == 9999, NA, welfare$birth)
table(is.na(welfare$birth))

welfare$age <-  2015 - welfare$birth +1
summary(welfare$age)
qplot(welfare$age)

#나이와 월급의 관계 분석하기
age_income <- welfare %>% 
  filter(!is.na(income)) %>% 
  group_by(age) %>% 
  summarise(mean_income = mean(income))
head(age_income)
ggplot(data=age_income, aes(x=age,y=mean_income))+geom_line()

===================================

4. 연령대에 따른 월급 차이
- "어떤 연령대의 월급이 가장 많을까?"

분석 절차
4-1. 변수 검토 및 전처리
• 연령대 변수 검토 및 전처리하기 (파생변수 만들기 - 연령대)
• 월급 변수 검토 및 전처리하기
4-2. 연령대와 월급 변수 간 관계 분석
• 연령대별 월급 평균표 만들기
• 그래프 만들기 (막대 정렬 : 초년, 중년, 노년 나이 순)

===================================

5. 연령대 및 성별 월급 차이
- "성별 월급 차이는 연령대별로 다를까?"

분석 절차
5-1. 변수 검토 및 전처리
• 연령대
• 성별
• 월급
5-2. 연령대, 설별, 월급 변수 간 관계 분석
• 연령대 및 성별 월급 평균표 만들기
• 그래프 만들기 (성별 막대 분리)

#변수 - 연령대, 월급 // 변수간 관계분석 - 연령대별 월급 평균표 만들기, 그래프
#연령대 변수 검토 및 전처리하기
#파생변수 만들기 - 연령대
welfare <- welfare %>% 
  mutate(ageg = ifelse(age <30, "young",
         ifelse(age <=59, "middle", "old"))) #이중조건문
table(welfare$ageg) #알파벳순 정렬됨
qplot(welfare$ageg)

#월급 변수 검토 및 전처리하기
ageg_income <- welfare %>% 
  filter(!is.na(income)) %>% 
  group_by(ageg) %>% 
  summarise(mean_income=mean(income))
ageg_income


#연령대 및 월급 변수 간 관계 분석 (막대정렬: 초년,중년,노년 나이순)
ggplot(data=ageg_income, aes(x=ageg, y=mean_income))+geom_col()+
  scale_x_discrete(limits=c("young", "middle", "old")) #x축 그룹 변수 순서 변경 지정

#연령대 및 성별 월급 차이 
## 성별 월급 차이는 연령대별로 다를까?
#연령대 및 성별 월급 평균표 만들기
sex_income <- welfare %>% 
  filter(!is.na(income)) %>% 
  group_by(ageg, sex) %>% 
  summarise(mean_income = mean(income))

#그래프 만들기
ggplot(data=sex_income, aes(x = ageg, y=mean_income, fill=sex))+
  geom_col(position = "dodge") +
  scale_x_discrete(limits=c("young", "middle", "old"))
#geom_col(position="dodge") 옵션 추가하여 막대 분리 가능.

#나이 및 성별 월급 차이 분석하기
age_income <- welfare %>% 
  filter(!is.na(income)) %>% 
  group_by(age, sex) %>% 
  summarise(mean_income=mean(income))

ggplot(age_income, aes(x=age, y=mean_income, col=sex))+
  geom_line()

 

===================================

6. 직업별 월급 차이
- "어떤 직업이 월급을 가장 많이 받을까?"

분석 절차
6-1. 변수 검토(class() / table() / welfare$code_job) 및 전처리
• 직업분류코드 목록 불러오기 => welfare에 직업명 결합
• 월급
6-2. 변수 간 관계 분석
• 직업별 월급 평균표 만들기
• 그래프 만들기 (상위 10개 추출, 하위 10위 추출 : arrange(), head(), tail())

===================================

7. 성별 직업 빈도
- "성별로 어떤 직업이 가장 많을까?"

분석 절차
7-1. 변수 검토 및 전처리
• 성별
• 직업
7-2. 변수 간 관계 분석
• 성별 직업 빈도표 만들기  (남성 직업 빈도 상위 10개 추출, 여성 직업 빈도 상위 10개 추출)
• 그래프 만들기 (남성 직업 빈도 상위 10개 직업, 여성 직업 빈도 상위 10개 직업)

#변수 : 직업코드, 직업명, 월급
#1)직업별 월급 평균표 만들기
#2)그래프 시각화
class(welfare$code_job)
table(welfare$code_job)
#직업분류 코드 목록 불러오기
library(readxl)
list_job <- read_excel("./data/Koweps_Codebook.xlsx", col_names = T, sheet=2) #col_names=T 컬럼 이름까지 가져오기
#직업코드 기준으로 직업명 데이터 병합하기
welfare <- left_join(welfare, list_job, id="code_job")
welfare %>% 
  filter(!is.na(income)) %>% 
  group_by(code_job, job) %>% 
  summarise(mean_income= mean(income))
#직업별 월급 차이
job_income <- welfare %>% 
  filter(!is.na(income)) %>% 
  group_by(job) %>% 
  summarise(mean_income = mean(income))
#상위 10개 추출
top10 <- job_income %>% 
  arrange(desc(mean_income)) %>% 
  head(10)
#그래프만들기
ggplot(data = top10, aes(x = job, y = mean_income)) +
  geom_col() + 
  coord_flip()  #X축과 Y축 변환

ggplot(data = top10, aes(x = reorder(job, mean_income), y = mean_income)) +
  geom_col() + 
  coord_flip()   #reorder 변수값 정렬 순서 변경

#하위 10위 추출
bottom10 <- job_income %>% 
  arrange(mean_income) %>% 
  head(10)
#그래프
ggplot(data = bottom10, aes(x = reorder(job, -mean_income), y= mean_income)) +
  geom_col() +
  coord_flip() + 
  ylim(0, 850)

#성별 직업 빈도
# - 성별로 어떤 직업이 가장 많을까?
# 변수 : 성별, 직업
# 변수간 관계 분석 : 성별 직업 빈도표 만들기

job_male <- welfare %>% 
  filter(!is.na(job) & sex == "male") %>% 
  group_by(job) %>% 
  summarise(n=n()) %>% 
  arrange(desc(n)) %>% 
  head(10)

ggplot(data = job_male, aes(x= reorder(job, n), y= n)) +
  geom_col()+
  coord_flip()

===================================

8. 종교 유무에 따른 이혼율
- "종교가 있는 사람들이 이혼을 덜 할까?

분석 절차
1. 변수 검토 및 전처리
• 종교 (종교 유무 이름 부여)
• 혼인 상태 (이혼 여부 변수 만들기)
2. 변수 간 관계 분석
• 종교 유무에 따른 이혼율 표 만들기 (count() 활용 / 이혼율 표 만들기 (이혼 추출))
• 그래프 만들기

• 연령대 및 종교 유무에 따른 이혼율 분석하기
• 연령대별 이혼율 표 만들기
• 연령대별 이혼율 그래프 만들기

• 연령대 및 종교 유무에 따른 이혼율 표 만들기
• 연령대 및 종교 유무에 따른 이혼율 그래프 만들기

#변수: 종교유무, 혼인상태
#변수간 관계 분석 : 종교유무에 따른 이혼율 표 만들기
class(welfare$religion)
table(welfare$religion)
welfare$religion <- ifelse(welfare$religion==1, "yes", "no")
table(welfare$religion)
#혼인 상태 변수 검토
class(welfare$marriage)
table(welfare$marriage)
#이혼여부 변수 만들기
welfare$group_marriage <- ifelse(welfare$marriage==1, "marriage",
                          ifelse(welfare$marriage==3, "divorce", NA))
table(welfare$group_marriage)
table(is.na(welfare$group_marriage))
qplot(welfare$group_marriage, na.rm=T)
qplot(welfare$group_marriage)

#종교 유무에 따른 이혼율 표 만들기
religion_marriage <- welfare %>% 
  filter(!is.na(group_marriage)) %>% 
  group_by(religion, group_marriage) %>% 
  summarise(n=n()) %>% 
  mutate(tot_group= sum(n)) %>% 
  mutate(prc = round(n/tot_group*100, 1))

#count() 활용
religion_marriage <- welfare %>% 
  filter(!is.na(group_marriage)) %>% 
  count(religion, group_marriage) %>% 
  group_by(religion) %>% 
  mutate(pct = round(n/sum(n)*100, 1))

#이혼 추출 #이혼율표 만들기
divorce <- religion_marriage %>% 
  filter(group_marriage=="divorce") %>% 
  select(religion, pct)
#그래프만들기
ggplot(data = divorce, aes(x = religion, y= pct)) + geom_col()

#연령대 및 종교 유무에 따르 이혼율 분석하기
#연령대별 이혼율 표 만들기
ageg_marriage <- welfare %>% 
  filter(!is.na(group_marriage)) %>% 
  group_by(ageg, group_marriage) %>%
  summarise(n=n()) %>% 
  mutate(tot_group = sum(n)) %>% 
  mutate(prc = round(n/tot_group*100, 1))
#count 활용
aege_marriage <- welfare %>% 
  filter(!is.na(group_marriage)) %>% 
  count(ageg, group_marriage) %>% 
  group_by(ageg) %>% 
  mutate(pct = round(n/sum(n)*100, 1))

#연령대별 이혼율 그래프 만들기 (초년 제외, 이혼 추출)
ageg_divorce <- ageg_marriage %>% 
  filter(ageg !="young" & group_marriage=="divorce") %>% 
  select(ageg, prc)
#그래프 만들기
ggplot(data=ageg_divorce, aes(x=ageg, y=prc)) +geom_col()

#연령대 및  종교 유무에 따른 이혼율 표 만들기
#연령대, 종교유무, 결혼상태별 비율표 만들기 (초년제외)
ageg_religion_marriage <- welfare %>% 
  filter(!is.na(group_marriage) & ageg!="young") %>% 
  count(ageg, religion, group_marriage) %>% 
  group_by(ageg, religion) %>% 
  mutate(prc = round(n/sum(n)*100, 1))

ageg_religion_marriage <- welfare %>% 
  filter(!is.na(group_marriage) & ageg!="young") %>% 
  group_by(ageg, religion, group_marriage) %>% 
  summarise(n=n()) %>% 
  mutate(tot_group=sum(n)) %>% 
  mutate(prc= round(n/tot_group*100, 1))

#연령대 및 종교 유무별 이혼율표 만들기
df_divorce <- ageg_religion_marriage %>% 
  filter(group_marriage=="divorce") %>% 
  select(ageg, religion, prc)
#그래프 그리기
ggplot(df_divorce, aes(x=ageg, y=prc, fill=religion)) +
  geom_col(position="dodge")

===================================

9. 지역별 연령대 비율
- "노년층이 많은 지역은 어디일까?"

분석 절차
1. 변수 검토 및 전처리
• 지역 변수 검토 및 전처리하기 (지역 코드 목록 만들기 => welfare에 지역명 변수 추가)
• 연령대
2. 변수 간 관계 분석
• 지역별 연령대 비율표 만들기
• 그래프 만들기 (막대 정렬하기 : 노년층 비율 높은 순 / 연령대 순으로 막대 색깔 나열하기

#변수 - 지역, 연령대
#변수간 관계 분석 - 지역별 연령대 비율표 만들기

#지역별 변수 검토 및 전처리
class(welfare$code_region)
table(welfare$code_region)
#지역코드 목록 만들기
list_region <- data.frame(code_region = c(1:7),
                          region=c("서울",
                                   "수도권(인천/경기)",
                                   "부산/경남/울산",
                                   "대구/경북",
                                   "대전/충남",
                                   "강원/충북",
                                   "광주/전남/전북/제주도"))
#welfare에 지역변수 추가
welfare <- left_join(welfare, list_region, id="code_region")
welfare %>% 
  select(code_region, region) %>% 
  head
#지역별 연령대 비율표 만들기
region_ageg <- welfare %>% 
  group_by(region, ageg) %>% 
  summarise(n=n()) %>% 
  mutate(tot_group=sum(n)) %>% 
  mutate(pct=round(n/tot_group, 2))
head(region_ageg)
#count() 활용
region_ageg <- welfare %>% 
  count(region, ageg) %>% 
  group_by(region) %>% 
  mutate(pct= round(n/sum(n)*100,2))
#그래프 만들기
ggplot(region_ageg, aes(x=region, y=pct, fill=ageg)) +
  geom_col() +
  coord_flip()
#막대정렬하기 :노년층 비율 높은순
list_order_old <- region_ageg %>% 
  filter(ageg=="old") %>% 
  arrange(pct)
#지역명 순서 변수 만들기
order <- list_order_old$region
order
#그래프 그리기
ggplot(data=region_ageg, aes(x=region, y=pct, fill=ageg))+
  geom_col()+
  coord_flip()+
  scale_x_discrete(limits=order)

#연령대 순으로 막대 색깔 나열하기
class(region_ageg$ageg)
levels(region_ageg$ageg)
region_ageg$ageg <- factor(region_ageg$ageg,
                           level = c("old","middle","young"))
class(region_ageg$ageg)
levels(region_ageg$ageg)
#그래프그리기
ggplot(data = region_ageg, aes(x=region, y=pct, fill=ageg))+
  geom_col() +
  coord_flip()+
  scale_x_discrete(limits=order)