第四講實踐:人均GDP和政府廉潔度對幸福指數有何影響!!
"世界幸福報告」是全球幸福狀態的里程碑式調查。第一份報告於2012年發布,2013年第二次,2015年第三次,2016年第四次更新。世界幸福2017年,以幸福水平排列155個國家,於3月20日在聯合國慶祝國際幸福日活動中公布。隨著政府,組織和民間社會越來越多地使用幸福指標來告知其決策,報告繼續得到全球認可。跨領域的領先專家 - 經濟學,心理學,調查分析,國家統計,健康,公共政策等 - 描述如何有效地利用福祉測量來評估國家進步。生在天朝的你我又幸福感如何?
下文簡單粗淺地分析人均GDP和健康指數對幸福感有何影響。數據來源於kaggle網站的World Happiness Report。
文章分析使用的數據是2016.csv,在處理時改名子為Happinessdata.csv,數據元素分別為Country 國家Happiness Rank 排名
Happiness Score 幸福得分
Economy (GDP per Capita) 人均GDP
Trust (Government Corruption)信任(政府腐敗)等等
分析步驟如下:#調用數據讀取包
install.packages("csv")
library(csv)
Happinessdata<- read.csv(C:/Users/chen/Downloads/Happinessdata.csv)
#驗證讀取數據
View(Happinessdata)
#數據處理部分
#調用數據處理包
library(dplyr)
#選取子集
Happinessdata<-select(Happinessdata,Country,Happiness.Rank,Happiness.Score,Economy..GDP.per.Capita.,Trust..Government.Corruption.)
此處掉深坑,最後看出來,原來表格中的括弧(),讀入後顯示為點.,見上.
#重命名列名
Happinessdata<-rename(Happinessdata,Rank=Happiness.Rank,Score=Happiness.Score,Economy=Economy..GDP.per.Capita.,Trust=Trust..Government.Corruption.)
#刪除缺失數據
Happinessdata<-filter(Happinessdata,!is.na(Score),!is.na(Economy),!is.na(Trust))
#再一次驗證讀取數據
View(Happinessdata)
#計算部分
#數據分組,對人均GDP和政府腐敗分組。
Happinessdata1<-group_by(Happinessdata,Economy)
#應用函數和組合結果
Happinessdata2<-summarise(Happinessdata1,Trust=mean(Trust,na.rm = TRUE))
#移除噪音數據
Happinessdata2 <- filter(Happinessdata2,Trust>0.05,Economy>0.1)
#數據顯示部分
#調用數據顯示包
library(ggplot2)
#繪製散點圖
ggplot(data = Happinessdata2)+geom_point(mapping = aes(x=Economy,y=Trust))
#繪製散點和平滑曲線圖ggplot(data = Happinessdata2)+geom_point(mapping = aes(x=Economy,y=Trust))+
+ geom_smooth(mapping = aes(x=Economy,y=Trust))
最後數據解釋:根據上圖顯示,GDP在1.4以下和政府腐敗在0.1左右的國家最多,相對應幸福指數也低.GDP和政府廉潔指數成正比的,因為沒加入其它數據,只能淺顯分析一下推薦閱讀:
※簡單的認識R語言和邏輯斯蒂回歸
※數據分析中數據趨勢的判斷
※Power Bi之人口遷徙Dashboard
※數說:在麥當勞吃三餐是什麼樣的後果?