library(tidyverse)
library(skimr)
library(readxl)Aula Prática - Revisão de Probabilidade e Estatística
Preparação
Crie um Projeto
Um projeto é uma pasta no computador que traz alguns arquivos de configuração para facilitar a organização das pastas, arquivos e caminhos. Vamos criar um projeto para realizar todas as aulas práticas nele. Ao fim do curso, você terá todo o material de replicação em um único local para referência futura.
Para criar um projeto, acesse o menu File → New Project. Em seguida, podemos escolher criar um novo diretório ou usar um diretório existente para hospedar nosso projeto1. Vamos criar um novo diretório. Clique em New Directory.
1 Podemos também criar um projeto a partir de uma página que hospeda projetos com controles de versão. O mais famoso desses websites é o Github. Não teremos tempo de cobrir esse tópico neste curso, mas ele deve ser tratado no curso de Ciências de Dados.
Na janela seguinte, escolhemos o tipo de projeto. Por ora, vamos apenas criar um novo projeto.
Em seguida, escolhemos um nome e o caminho no computador em que a pasta do projeto será criada. Note que a pasta será nomeada com o mesmo nome do projeto.
Uma vez criado o projeto, o Rstudio mostrará que o projeto está ativo. Além disso, é possível ver o conteúdo da pasta do projeto na aba files e o R irá entender que este diretório é o diretório de trabalho.
Se quiser verificar o diretório que o R está considerando como “de trabalho” (working directory), digite no console getwd(). O R irá retornar o caminho do diretório do projeto em seu console.
Pacotes
A seguir temos a lista de pacotes que iremos utilizar na aula de hoje. Um pacote do R nada mais é do que um conjunto de funções que têm uma temática em comum e foram “empacotadas” de modo conjunto para sua distribuição. Para instalar pacotes, você pode ir em Tools → Install Packages ou utilizar a função install.packages("nome_do_pacote").
O tidyverse é um conjunto de pacotes do R produzidos especificamente para ciência de dados. Cada pacote que faz parte deste “universo” compartilha a mesma filosofia, gramática e estrutura de dados, o que permite uma maior integração entre eles e entre outros pacotes que compartilham das mesmas características. A melhor referência para entender e aprender a utililzar esses pacotes é o livro R para Ciência de Dados (2ª edição).
skimr é um pacote para produzir estatísticas descritivas de modo ágil, flexível e com apresentação dos resultados de forma clara e otimizada. Já o pacote readxl nos permite importar dados de planilhas de Excel para o R (ou exportar do R para o Excel).
Por fim, um pacote muito útil é o here. O grande objetivo desse pacote é otimizar a referência a suas pastas/diretórios e arquivos. Usualmente as pessoas definem o diretório padrão do R usando a função setwd(). Contudo, isso gera um conjunto de dificuldades para reprodutibilidade dos resultados e para o trabalho em equipe. Para entender e visualizar melhor o quão útil é esse pacote simples, veja os capítulos 3 e 4 do livro What They Forgot to Teach You About R: The stuff you need to know about R, besides data analysis.. Note que, após chamar o pacote, o R irá mostrar qual é o diretório de trabalho. Se você estiver trabalhando dentro de um projeto, este diretório será automaticamente definido pelo arquivo com extensão .Rproj. Todos os caminhos serão, então, construídos a partir deste ponto inicial.
library(here)here() starts at /home/raphael/Documents/IBM0288Exercício E3.1 Stock e Watson (4a Edição)
Na aula de hoje, iremos fazer o exerício empírico 3.1 do livro de Stock e Watson. No site do livro, você encontrará o arquivo de dados CPS96_15, que contém uma versão estendida do conjunto de dados utilizado na Tabela 3.1 do livro-texto para os anos de 1996 e 2015. Ele contém dados de trabalhadores em tempo integral, com idades entre 25 e 34 anos, que possuem diploma de ensino médio ou graduação como seu maior grau de escolaridade. Uma descrição detalhada está disponível em CPS96_15_Description, que vem junto no arquivo zip com os dados2.
2 A cada mês, o U.S. Census Bureau e o U.S. Bureau of Labor Statistics realizam a Current Population Survey (CPS), que fornece dados sobre as características da força de trabalho da população, incluindo os níveis de emprego, desemprego e rendimentos. Aproximadamente 54.000 domicílios nos Estados Unidos são pesquisados a cada mês. A amostra é escolhida por meio da seleção aleatória de endereços a partir de um banco de dados baseado no censo decenal mais recente, complementado com informações sobre novas unidades habitacionais construídas após o último censo.
O esquema exato de amostragem aleatória é relativamente complexo (primeiro, pequenas áreas geográficas são selecionadas aleatoriamente; em seguida, unidades habitacionais dentro dessas áreas também são selecionadas aleatoriamente); detalhes podem ser encontrados no Handbook of Labor Statistics e no site do Bureau of Labor Statistics (www.bls.gov ).
A pesquisa realizada a cada mês de março é mais detalhada do que as dos demais meses e inclui perguntas sobre os rendimentos obtidos no ano anterior. As estatísticas apresentadas nas Tabelas 2.4 e 3.1 foram calculadas com base nas pesquisas de março. Os dados de rendimentos da CPS referem-se a trabalhadores em tempo integral, definidos como pessoas empregadas por mais de 35 horas por semana durante pelo menos 48 semanas no ano anterior.
Antes de iniciar o exerício, precisamos importar os dados do arquivo excel para o ambiente do R e vamos fazer uma breve análise da base de dados. Para isso, utilizamos a função read_excel do pacote readxl.
df_cps <- read_excel(here("labs","data","CPS96_15","CPS96_15.xlsx"))Para dar uma “olhada” rápida nos dados, podemos abrir o data.frame no ambiente gráfico ou utilizar a função glimpse.
glimpse(df_cps)Rows: 13,201
Columns: 5
$ year <dbl> 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1996, 1…
$ ahe <dbl> 11.171735, 8.653846, 9.615385, 11.217949, 9.615385, 14.423077…
$ bachelor <dbl> 0, 0, 1, 1, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0…
$ female <dbl> 0, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0…
$ age <dbl> 31, 31, 27, 26, 28, 32, 30, 31, 31, 25, 32, 33, 26, 27, 29, 3…Notem que as variáveis female e bachelor são variáveis categóricas. O arquivo CPS96_15_Description descreve exatamente como as variáveis estão definidas na base de dados. Em geral, é boa prática converter variáveis categóricas no R para o tipo fator3.
3 Os principais tipos de variáveis (ou classes de dados) no R incluem numérico (decimal/inteiro), caractere (texto), lógico (TRUE/FALSE), fator (categórico) e data (datas).
df_cps <- df_cps %>%
mutate(
year = factor(year),
bachelor = factor(bachelor, levels = c(0, 1), labels = c("Ensino Médio", "Graduação")),
female = factor(female, levels = c(0, 1), labels = c("Masculino", "Feminino"))
)Para vermos algumas estatísticas descritivas das variáveis e informações gerais sobre a base de dados, tais como número de observações faltantes (missings), podemos utilizar as funções do pacote skimr.
skim(df_cps)| Name | df_cps |
| Number of rows | 13201 |
| Number of columns | 5 |
| _______________________ | |
| Column type frequency: | |
| factor | 3 |
| numeric | 2 |
| ________________________ | |
| Group variables | None |
Variable type: factor
| skim_variable | n_missing | complete_rate | ordered | n_unique | top_counts |
|---|---|---|---|---|---|
| year | 0 | 1 | FALSE | 2 | 201: 7098, 199: 6103 |
| bachelor | 0 | 1 | FALSE | 2 | Ens: 6849, Gra: 6352 |
| female | 0 | 1 | FALSE | 2 | Mas: 7694, Fem: 5507 |
Variable type: numeric
| skim_variable | n_missing | complete_rate | mean | sd | p0 | p25 | p50 | p75 | p100 | hist |
|---|---|---|---|---|---|---|---|---|---|---|
| ahe | 0 | 1 | 17.29 | 10.76 | 1.36 | 10.1 | 14.42 | 21.15 | 105.77 | ▇▂▁▁▁ |
| age | 0 | 1 | 29.62 | 2.87 | 25.00 | 27.0 | 30.00 | 32.00 | 34.00 | ▇▇▇▇▇ |
Análise do rendimento médio por hora (RMH)
- Calcule a média amostral para o rendimento médio por hora em 1996 e 2015.
Para calcular a média para cada ano, vamos utilizar a função summarise do pacote dplyr. Contudo, precisamos também informar que a média deve ser cálculada para cada ano, de modo que precisamos agrupar as informações por esta variável. Para melhor compreender esses e outros tipos de transformações de dados, leia o capítulo 3 do livro R para Ciência de Dados. Por fim, especificamos qual o cálculo queremos que o R faça, no caso, o cálculo da média (mean).
df_cps %>%
group_by(year) %>%
summarise(media_ahe = mean(ahe, na.rm = TRUE))# A tibble: 2 × 2
year media_ahe
<fct> <dbl>
1 1996 12.7
2 2015 21.2- Calcule o desvio padrão amostral para o RMH em 1996 e 2015.
Para fazer o cálculo do desvio padrão, seguimos os passos anteriores alterando apenas a função que específica o cálculo que queremos fazer ao final. Neste caso, a função sd faz o cálculo do desvio padrão.
df_cps %>%
group_by(year) %>%
summarise(sd_ahe = sd(ahe, na.rm = TRUE))# A tibble: 2 × 2
year sd_ahe
<fct> <dbl>
1 1996 6.36
2 2015 12.1 - Construa um intervalo de confiança de 95% para as médias populacionais do RMH em 1996 e 2015.
Para realizar testes de hipóteses e construir intervalos de confiança no R, utilizamos um conjunto de funções do pacote statsque já vem instalado no R base.
df_cps %>%
filter(year == "1996") %>%
t.test(ahe ~ 1, data = .)
One Sample t-test
data: ahe
t = 155.94, df = 6102, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
12.53369 12.85283
sample estimates:
mean of x
12.69326 df_cps %>%
filter(year == "2015") %>%
t.test(ahe ~ 1, data = .)
One Sample t-test
data: ahe
t = 147.57, df = 7097, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
20.95533 21.51955
sample estimates:
mean of x
21.23744 - Construa um intervalo de confiança de 95% para a mudança nas médias populacionais do RMH entre 1996 e 2015.
df_cps %>%
t.test(ahe ~ year, data = ., var.equal = FALSE)
Welch Two Sample t-test
data: ahe by year
t = -51.677, df = 11049, p-value < 2.2e-16
alternative hypothesis: true difference in means between group 1996 and group 2015 is not equal to 0
95 percent confidence interval:
-8.868268 -8.220087
sample estimates:
mean in group 1996 mean in group 2015
12.69326 21.23744 Análise de RMH em dólares constantes de 2015
Em 2015, o valor do Índice de Preços ao Consumidor (IPC) foi 237. Em 1996, o valor do IPC foi 156,9. Repita as etapas anteriores, mas utilize o RMH medido em dólares constantes de 2015; isto é, ajuste os dados de 1996 pela inflação de preços ocorrida entre 1996 e 2015.
Primeiro, precisamos criar a variável de rendimento médio a preços de 2015.
df_cps <- df_cps %>%
mutate(
cpi = ifelse(year == "2015", 237.0, 156.9),
ahe_2015 = (ahe / cpi) * 237.0 # Ajusta para dólares de 2015
)
# Verifique algumas observações da nova variável
df_cps %>%
select(year, ahe, cpi, ahe_2015) %>%
sample_n(5) # Mostra 5 linhas aleatórias# A tibble: 5 × 4
year ahe cpi ahe_2015
<fct> <dbl> <dbl> <dbl>
1 1996 9.62 157. 14.5
2 2015 23 237 23
3 2015 14.2 237 14.2
4 2015 7.21 237 7.21
5 2015 18.8 237 18.8 Agora, vamos repetir as etapas anteriores.
- Calcule a média amostral para o rendimento médio por hora em 1996 e 2015 medidos a preços constantes de 2015.
df_cps %>%
group_by(year) %>%
summarise(media_ahe_2015 = mean(ahe_2015, na.rm = TRUE))# A tibble: 2 × 2
year media_ahe_2015
<fct> <dbl>
1 1996 19.2
2 2015 21.2- Calcule o desvio padrão amostral para o RMH em 1996 e 2015 medidos a preços constantes de 2015.
df_cps %>%
group_by(year) %>%
summarise(sd_ahe_2015 = sd(ahe_2015, na.rm = TRUE))# A tibble: 2 × 2
year sd_ahe_2015
<fct> <dbl>
1 1996 9.61
2 2015 12.1 - Construa um intervalo de confiança de 95% para as médias populacionais do RMH em 1996 e 2015 medidos a preços constantes de 2015.
Na seção anterior, utilizamos a função t.test para fazer o teste e analisamos os resultados diretamente da saída de resultados produzida pelo pacote. O pacote broom, também da “família” tidyverse, possui um conjunto de funcionalidades para facilitar a organização da saída de resultados de modo que eles possam ser utilizados posteriormente. Abaixo, vemos a diferença na forma de reportar os resultados.
library(broom)
df_cps %>%
filter(year == "1996") %>%
t.test(ahe_2015 ~ 1, data = .)
One Sample t-test
data: ahe_2015
t = 155.94, df = 6102, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
18.93234 19.41441
sample estimates:
mean of x
19.17338 df_cps %>%
filter(year == "1996") %>%
t.test(ahe_2015 ~ 1, data = .) %>%
tidy()# A tibble: 1 × 8
estimate statistic p.value parameter conf.low conf.high method alternative
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <chr>
1 19.2 156. 0 6102 18.9 19.4 One Sampl… two.sided df_cps %>%
filter(year == "2015") %>%
t.test(ahe_2015 ~ 1, data = .) %>%
tidy()# A tibble: 1 × 8
estimate statistic p.value parameter conf.low conf.high method alternative
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <chr>
1 21.2 148. 0 7097 21.0 21.5 One Sampl… two.sided df_cps %>%
filter(year == "2015") %>%
t.test(ahe_2015 ~ 1, data = .)
One Sample t-test
data: ahe_2015
t = 147.57, df = 7097, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
20.95533 21.51955
sample estimates:
mean of x
21.23744 - Construa um intervalo de confiança de 95% para a mudança nas médias populacionais do RMH entre 1996 e 2015 medidos a preços constantes de 2015.
df_cps %>%
t.test(ahe_2015 ~ year, data = ., var.equal = F) %>%
tidy()# A tibble: 1 × 10
estimate estimate1 estimate2 statistic p.value parameter conf.low conf.high
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 -2.06 19.2 21.2 -10.9 1.44e-27 13113. -2.44 -1.69
# ℹ 2 more variables: method <chr>, alternative <chr>Análise do poder de compra
Se você estivesse interessado na mudança no poder de compra dos trabalhadores de 1996 a 2015, você usaria os resultados de (a) ou (b)? Explique.
Análise em 2015 por nível educacional
Utilizando os dados de 2015:
- Construa um intervalo de confiança de 95% para a média do RMH para graduados do ensino médio.
df_cps %>%
filter(year == "2015", bachelor == "Ensino Médio") %>%
pull(ahe_2015) %>%
t.test()
One Sample t-test
data: .
t = 111.33, df = 3364, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
16.09262 16.66960
sample estimates:
mean of x
16.38111 - Construa um intervalo de confiança de 95% para a média do RMH para trabalhadores com diploma universitário.
df_cps %>%
filter(year == "2015", bachelor == "Graduação") %>%
pull(ahe_2015) %>%
t.test()
One Sample t-test
data: .
t = 118.83, df = 3732, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
25.19241 26.03765
sample estimates:
mean of x
25.61503 - Construa um intervalo de confiança de 95% para a diferença entre as duas médias.
df_cps %>%
filter(year == "2015") %>%
t.test(ahe_2015 ~ bachelor, data = ., var.equal = FALSE)
Welch Two Sample t-test
data: ahe_2015 by bachelor
t = -35.381, df = 6463.4, p-value < 2.2e-16
alternative hypothesis: true difference in means between group Ensino Médio and group Graduação is not equal to 0
95 percent confidence interval:
-9.745543 -8.722304
sample estimates:
mean in group Ensino Médio mean in group Graduação
16.38111 25.61503 Análise para o ano de 1996 por nível educacional (em valores constantes de 2015)
Repita a análise anterior utilizando os dados de 1996 expressos em valores constantes de 2015.
- Construa um intervalo de confiança de 95% para a média do RMH real para graduados do ensino médio (1996).
df_cps %>%
filter(year == "1996", bachelor == "Ensino Médio") %>%
pull(ahe_2015) %>%
t.test()
One Sample t-test
data: .
t = 125.15, df = 3483, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
16.01336 16.52310
sample estimates:
mean of x
16.26823 - Construa um intervalo de confiança de 95% para a média do RMH real para trabalhadores com diploma universitário.
df_cps %>%
filter(year == "1996", bachelor == "Graduação") %>%
pull(ahe_2015) %>%
t.test()
One Sample t-test
data: .
t = 112.13, df = 2618, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
22.63517 23.44090
sample estimates:
mean of x
23.03803 - Construa um intervalo de confiança de 95% para a diferença entre as duas médias.
df_cps %>%
filter(year == "1996") %>%
t.test(ahe_2015 ~ bachelor, data = ., var.equal = FALSE)
Welch Two Sample t-test
data: ahe_2015 by bachelor
t = -27.845, df = 4581.8, p-value < 2.2e-16
alternative hypothesis: true difference in means between group Ensino Médio and group Graduação is not equal to 0
95 percent confidence interval:
-7.246445 -6.293168
sample estimates:
mean in group Ensino Médio mean in group Graduação
16.26823 23.03803 Perguntas de Inferência
Utilizando estimativas apropriadas, intervalos de confiança e estatísticas de teste, responda às seguintes perguntas:
- Os salários reais (ajustados pela inflação) dos graduados do ensino médio aumentaram de 1996 a 2015?
df_cps %>%
filter(bachelor == "Ensino Médio") %>%
t.test(ahe_2015 ~ year, data = ., var.equal = FALSE)
Welch Two Sample t-test
data: ahe_2015 by year
t = -0.57493, df = 6714.1, p-value = 0.5654
alternative hypothesis: true difference in means between group 1996 and group 2015 is not equal to 0
95 percent confidence interval:
-0.4977633 0.2720040
sample estimates:
mean in group 1996 mean in group 2015
16.26823 16.38111 - Os salários reais dos graduados universitários aumentaram?
df_cps %>%
filter(bachelor == "Graduação") %>%
t.test(ahe_2015 ~ year, data = ., var.equal = FALSE)
Welch Two Sample t-test
data: ahe_2015 by year
t = -8.654, df = 6245.3, p-value < 2.2e-16
alternative hypothesis: true difference in means between group 1996 and group 2015 is not equal to 0
95 percent confidence interval:
-3.160752 -1.993241
sample estimates:
mean in group 1996 mean in group 2015
23.03803 25.61503 - A diferença entre os rendimentos dos graduados universitários e do ensino médio aumentou? Explique.
# Diferença em 2015:
diff_2015 <- df_cps %>%
filter(year == "2015") %>%
t.test(ahe_2015 ~ bachelor, data = ., var.equal = FALSE)
# Diferença em 1996:
diff_1996 <- df_cps %>%
filter(year == "1996") %>%
t.test(ahe_2015 ~ bachelor, data = ., var.equal = FALSE)Análise da Diferença de Gênero para Graduados do Ensino Médio
A Tabela 3.1 do livro-texto apresenta informações sobre a diferença de gênero para graduados universitários. Prepare uma tabela similar para graduados do ensino médio, utilizando os dados de 1996 e 2015.
library(glue)
library(gt)
# --- 1. Calcular estatísticas de AHE Real por ano e gênero ---
df_stats_gender <- df_cps %>%
group_by(year, female) %>%
summarise(
Media = mean(ahe_2015, na.rm = TRUE),
SD = sd(ahe_2015, na.rm = TRUE),
N = n(),
.groups = 'drop'
) %>%
arrange(year, female)
# --- 2. Calcular a diferença de gênero e seu IC para cada ano usando broom::tidy ---
df_diff_ci_tidy <- df_cps %>%
group_by(year) %>%
# Usamos do() para aplicar tidy() a cada grupo.
# tidy() do t.test(y ~ x) retorna a diferença da média (level1 - level2) como 'estimate',
# seu erro padrão como 'std.error', e os limites do IC como 'conf.low' e 'conf.high'.
do(tidy(t.test(ahe_2015 ~ female, data = ., var.equal = FALSE))) %>%
ungroup() %>%
# Renomear as colunas para maior clareza e consistência com a estrutura anterior
select(
year,
diff_mean = estimate, # 'estimate' do tidy(t.test) é a diferença de médias
# se_diff = std.error, # 'std.error' do tidy(t.test) é o erro padrão da diferença
conf_low = conf.low,
conf_high = conf.high
)
# --- 3. Combinar as tabelas para a apresentação final ---
# Primeiro, pivotamos a tabela de estatísticas básicas para ter colunas para Masculino e Feminino
df_combined_data <- df_stats_gender %>%
pivot_wider(
names_from = female,
values_from = c(Media, SD, N),
names_glue = "{.value}_{female}" # Cria nomes como Media_Masculino, N_Feminino
) %>%
# Juntamos com os resultados da diferença e IC obtidos via broom::tidy
left_join(df_diff_ci_tidy, by = "year") %>%
# Criamos uma coluna de texto para o intervalo de confiança formatado
mutate(
# Formatação para 2 casas decimais no IC string
ci_string = glue("[{sprintf('%.2f', conf_low)}, {sprintf('%.2f', conf_high)}]")
) %>%
# Selecionamos e reordenamos as colunas para a tabela final
select(
year,
Media_Masculino, SD_Masculino, N_Masculino,
Media_Feminino, SD_Feminino, N_Feminino,
diff_mean, ci_string
)
# --- 4. Formatar a tabela usando gt ---
df_combined_data %>%
gt() %>%
# Título principal da tabela
tab_header(
title = md("**Estatísticas de RHM Real para graduados do Ensino Médio por Gênero**"),
subtitle = "Médias, Desvios Padrão (DP), N e Diferenças de Gênero com IC 95% (2015 USD)"
) %>%
# Rótulos para as colunas
cols_label(
year = md("**Ano**"),
Media_Masculino = md("Média"),
SD_Masculino = md("DP"),
N_Masculino = md("N"),
Media_Feminino = md("Média"),
SD_Feminino = md("DP"),
N_Feminino = md("N"),
diff_mean = md("Diferença<br>(M - F)"),
# se_diff = md("Erro Padrão da<br>Diferença"), # ALTERADO AQUI: "Erro Padrão" em vez de "DP"
ci_string = md("IC 95%")
) %>%
# Agrupamento de colunas usando tab_spanner
tab_spanner(
label = md("**Masculino**"),
columns = c(Media_Masculino, SD_Masculino, N_Masculino)
) %>%
tab_spanner(
label = md("**Feminino**"),
columns = c(Media_Feminino, SD_Feminino, N_Feminino)
) %>%
tab_spanner(
label = md("**Diferença de Gênero**"),
columns = c(diff_mean, ci_string)
) %>%
# Formatar números para 2 casas decimais
fmt_number(
columns = c(Media_Masculino, SD_Masculino,
Media_Feminino, SD_Feminino,
diff_mean),
decimals = 2
) %>%
# Formatar números inteiros para N
fmt_number(
columns = c(N_Masculino, N_Feminino),
decimals = 0
) %>%
# Alinhamento das colunas
cols_align(
align = "center",
columns = -year # Todas exceto a coluna 'year'
) %>%
# Adicionar uma nota de rodapé ou fonte
tab_source_note(
source_note = "Dados da Current Population Survey (CPS). Cálculo baseado nos dados de Stock e Watson (4ª ed.)."
) %>%
# Ajustes de estilo (opcional, para uma tabela mais compacta ou visualmente atraente)
tab_options(
table.font.size = px(12),
table.border.top.color = "lightgray",
heading.background.color = "#EFEFEF",
column_labels.background.color = "#F7F7F7",
table_body.border.bottom.color = "lightgray"
)| Estatísticas de RHM Real para graduados do Ensino Médio por Gênero | ||||||||
|---|---|---|---|---|---|---|---|---|
| Médias, Desvios Padrão (DP), N e Diferenças de Gênero com IC 95% (2015 USD) | ||||||||
| Ano |
Masculino
|
Feminino
|
Diferença de Gênero
|
|||||
| Média | DP | N | Média | DP | N | Diferença (M - F) |
IC 95% | |
| 1996 | 20.55 | 10.22 | 3,555 | 17.26 | 8.31 | 2,548 | 3.29 | [2.82, 3.75] |
| 2015 | 22.39 | 12.92 | 4,139 | 19.63 | 10.71 | 2,959 | 2.76 | [2.21, 3.31] |
| Dados da Current Population Survey (CPS). Cálculo baseado nos dados de Stock e Watson (4ª ed.). | ||||||||
Recursos adicionais para aprofundar e praticar (opcional)
- Ciências de Dados em R - Módolo 1 As figuras da seção 1 foram obtidas neste link, que contém também outros tópicos úteis.
- What They Forgot to Teach You About R: The stuff you need to know about R, besides data analysis.
- R para Ciência de Dados (2ª edição)