大學停看聽 對於大學科系的分析

前情提要: 一.良好問題定義
上次EDA作業，想了解大學科系與學類的延畢率 起薪等等，了解各科系的生態與潛力，而本周
1.將用ANOVA分析延畢是否與本身校系或學類太冷門，造成學生並未有念下去的動力造成延畢 2.用迴歸分析觀察延畢率與學生人數是否成負相關

一.ANOVA
透過anova檢定 看看學群跟延畢率是否有顯著關係
設定虛無假設H0為學群之間與延畢率沒差異

library(readxl)

## Warning: package 'readxl' was built under R version 3.4.4

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 3.4.4

library(data.table)

## Warning: package 'data.table' was built under R version 3.4.4

s<-data.frame(fread('Student_RPT_19.csv'))
h<-read_excel("高教資料總表串聯3.xlsx")
#colnames(h)#釐清欄位總類別
hd<-h$delay_rate
hc<-h$college
str(hd)

##  num [1:1792] 0.082 0.0344 0.0513 0.0316 0 ...

summary(hc)

##    Length     Class      Mode 
##      1792 character character

anovatest<-aov(hd~hc,h)
summary(anovatest)

##               Df Sum Sq  Mean Sq F value Pr(>F)    
## hc           121 0.4622 0.003820   3.404 <2e-16 ***
## Residuals   1669 1.8730 0.001122                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 1 observation deleted due to missingness

顯示為三顆星
也就是P值介於0與0.001之間
所以結果相當顯著 表示學群之間是有差異的
二.線性迴歸 X軸令為學生人數 Y軸令為延畢率 plot簡易畫圖

hs<-h$students_amount
hl<-lm(hd~hs)
plot(hd~hs,data=h)

print(hl)

## 
## Call:
## lm(formula = hd ~ hs)
## 
## Coefficients:
## (Intercept)           hs  
##   5.201e-02   -1.379e-05

可觀察到線性並不明顯但有負相關的趨勢