Übung zum Datenmanagement

Dies ist das Dokument ohne Lösungen

Klick den link, um die Lösungen anzuzeigen.

Zum European Social Survey

In vielen Übungen arbeiten wir mit Daten des European Social Survey (ESS). Dies ist ein internationaler Datensatz mit repräsentativen Stichproben aus mehreren europäischen Ländern. Die Befragungen des ESS werden in zweijährlichen Abständen durchgeführt. Wir arbeiten ausschliesslich mit Daten aus der Erhebung 2016. Die Hauptthemen des Datensatzes sind Einstellungen, Normen und Werte. Aufgrund dieser Schwerpunktsetzung ist er in der Soziologie besonders populär. Weitere Überblicksinformationen zum ESS findest du auf der Homepage: https://www.europeansocialsurvey.org/ Die Daten sind ebenfalls auf der Homepage des ESS frei erhältlich.

Zur Vorbereitung

Erstellt ein neues Uebungsskript und beschriftet es entsprechend.
Installiert das Package tidyverse und aktiviert es. Ladet den ESS-Datensatz ein.

I. Daten bereinigen (löschen und filtern)

1. Suche im Datensatz die Variablen heraus, die sich auf die Nationalität und den Migrationshintergrund der Befragten beziehen. Verwende hierfür den look_for() Befehl aus dem labelled Package. Alternativ kannst du auch auf das Codebook zurückgreifen.

2. Generiere zwei separate Teildatensätze (“ess_ch” und “ess_de”), welche jeweils ausschliesslich Befragte aus der Schweiz bzw. aus Deutschland enthalten.

3. Generiere einen weiteren Teildatensatz (“ess_scand”), mit den Personen aus den skandinavischen Staaten Finnland, Schweden, Norwegen, Island.

4. Vergleiche die durchschnittliche emotionale Bindung von Befragten aus Deutschland, der Schweiz und den skandinavischen Staaten. Was fällt auf?

5. Lösche die in den Aufgaben 2. und 3. erstellten Teildatensätze aus dem Environment.

6. Erstelle mit dem select()-Befehl einen Teildatensatz, den du “soziooekon” nennst. Dieser soll die sozioökonomischen und demografischen Angaben der Befragten enthalten: Alter, Geschlecht, Land, Beruf, höchster Bildungsabschluss, höchster Bildungsabschluss der Eltern.

7. Gib den Variablen im Datensatz “soziooekon” folgende neue Namen: agea –> neu: “age”; gndr –> neu: “gender”; cntry –> neu: “country”.

8. Bei der Variable eisced gibt es eine Ausprägung, die als Missing verstanden werden könnte. Finde zuerst mit dem attributes()-Befehl heraus, um welche Ausprägung es sich handelt und verwandle diese anschliessend in ein Missing.

II. Daten bereinigen (rekodieren)

9. Recherchiere den Begriff ES-ISCED. Worum handelt es sich?

10. Wann wäre es sinnvoll, die Variable clmchng (Einstellung zum Klimawandel) zu rekodieren?

11. Generiere nun, basierend auf Aufgabe 10, eine dichotome Variable names clmchng_d. Eine der beiden Ausprägungen soll dabei nur Personen beinhalten, die den Klimawandel komplett verleugnen.

III. Bonusfragen

12. Erstelle einen Teildatensatz mit Befragten eines Landes deiner Wahl. Vergleiche nun die emotionale Bindung der beiden Kategorien der Variable brncntr. Welche Gruppe hat eine stärkere emotionale Bindung?

13. Dem Datensatz fehlt die Variable nach dem Geburtsjahr. Erstelle diese mithilfe der Variable des Alters und füge sie in den Datensatz ein. Hinweis: Dies kann mithilfe der Grundrechenoperationen gemacht werden. Wie gross ist die Standardabweichung der Altersvariable?

14. Füge eine zusätzliche Variable in den Datensatz, welche das quadrierte Alter erfasst.