R语言对苏格兰独立民意调查的Meta分析

简介: R语言对苏格兰独立民意调查的Meta分析

2014年9月18日,苏格兰居民将投票进行公民投票决定是否独立于英国。虽然运动之前已经保持了相当健康的领先优势,但是根据投票意向的民意调查,竞选已经大大收紧。特别是,两个民意调查现在已经显示出更大的比例,表示他们将投票赞成投票比例。由于上周进行了一系列民意调查,结果略有不同,我决定对其进行简单的Meta分析。根据现有证据,调查结果,估计当前的状态。


数据

包括从9月14日进行的最后六个投票,网站给出的数据whatscotlandthinks.org。如下所示。


民意调查开始 民意调查结束 #选民 #yes
2014年9月9日 2014年11月9日 1205 571
2014年9月9日 2014年11月9日 820 400
2014年9月9日 2014年11月9日 992 475
2014年10月9日 2014年12月9日 844 389
2014年10月9日 2014年12月9日 642 345
2014年10月9日 14/09/2014 943 466

分析

用R进行分析。此函数结合了和被调查数字(不包括未定数)的数量,以给出对选民的平均比例的总体估计。进行两项分析,一项是所谓的固定效应分析,第二项是随机效应分析。


结果

下面所谓的森林图显示了分析的结果。投票的总体估计比例为(在随机效应模型下)为48.72%,95%置信区间为46.82%至50.62%。因此,仅基于这六个民意调查(并参见下面的警告),估计投票比例是低于50%,而置信区间显示数据与“真实”比例一致,高于50 %。

来自不同研究的95%置信区间与每个基本上重叠,说明了在每个研究中给出(相对)小数量的点,结果的微小差异可能纯粹是由于抽样误差。



这里提出的简单分析可能存在许多缺陷。

荟萃分析就好像随机抽样一样。事实上,民意调查样本是使用更复杂的调查设计技术构建的,并且可能不应该像我所做的那样进行分析(就像它们是简单的随机样本一样)。


R输出

对于那些感兴趣的人,如下所示是分析的R输出,给出每个民意调查的比例,每个民意调查的95%CI,分配给每个民意调查的权重(在固定和随机效应分析中),估计I ^ 2(可归因于真实异质性的变异比例)。

                      proportion           95%-CI %W(fixed) %W(random)
The Times and The Sun     0.4739 [0.4453; 0.5025]     22.12      19.16
The Guardian              0.4878 [0.4531; 0.5226]     15.09      15.99
The Observer              0.4788 [0.4473; 0.5104]     18.23      17.57
Better Together           0.4609 [0.4269; 0.4952]     15.44      16.19
The Sunday Telegraph      0.5374 [0.4979; 0.5765]     11.75      13.94
The Sunday Times          0.4942 [0.4618; 0.5266]     17.36      17.16

Number of studies combined: k=6

                     proportion           95%-CI  z  p.value
Fixed effect model       0.4859 [0.4726; 0.4991] NA       --
Random effects model     0.4872 [0.4682; 0.5062] NA       --

Quantifying heterogeneity:
tau^2 = 0.0045; H = 1.42 [1; 2.25]; I^2 = 50.3% [0%; 80.3%]

Test of heterogeneity:
     Q d.f.  p.value
 10.07    5   0.0734

Details on meta-analytical method:
- Inverse variance method
- DerSimonian-Laird estimator for tau^2
- Logit transformation
- Clopper-Pearson confidence interval for individual studies
相关文章
|
2月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
2月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
2月前
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
|
2月前
利用R语言进行典型相关分析实战
利用R语言进行典型相关分析实战
|
2月前
|
Web App开发 数据可视化 数据挖掘
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)
|
2月前
|
机器学习/深度学习 算法
R语言分类回归分析考研热现象分析与考研意愿价值变现
R语言分类回归分析考研热现象分析与考研意愿价值变现
|
2月前
|
数据可视化 定位技术
R语言贝叶斯INLA空间自相关、混合效应、季节空间模型、SPDE、时空分析野生动物数据可视化
R语言贝叶斯INLA空间自相关、混合效应、季节空间模型、SPDE、时空分析野生动物数据可视化
|
2月前
|
机器学习/深度学习 数据可视化 算法
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为1
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
2月前
|
机器学习/深度学习 数据可视化 算法
R语言聚类分析、因子分析、主成分分析PCA农村农业相关经济指标数据可视化|数据分享
R语言聚类分析、因子分析、主成分分析PCA农村农业相关经济指标数据可视化|数据分享
|
2月前
|
机器学习/深度学习 监控 数据可视化
R语言SOM神经网络聚类、多层感知机MLP、PCA主成分分析可视化银行客户信用数据实例2
R语言SOM神经网络聚类、多层感知机MLP、PCA主成分分析可视化银行客户信用数据实例