Zadání domácích úkolů

---

Domácí úkoly zpracujte v Rmd (Markdown), nebo qmd (quarto) formátu,

a vždy odevzdejte ve ZKOMPILOVANÉ verzi, tj. výstup do html/pdf/docx souboru.

• U zkompilovaných výstupů musejí být viditelné použité příkazy, tj. nastavení echo=T (je defaultní).
• Přiložte zdrojový Rmd nebo qmd soubor (případně dataset).
• Pokud odevzdáváte úkol v komprimovaném souboru, používejte výhradně .zip formát.
• html soubory kompilované z qmd skriptů odevzdávejte včetně složky s pomocnými soubory (grafy a podobné soubory)

Obecná doporučení pro práci s R (domácí úkoly)

1. Používejte nejnovější verzi R
2. Používejte nejnovější verzi RStudio
3. Aktualizujte balíčky

4. Je-li to nutné, nainstalujte si poslední verzi Pandoc (Rmd compiler)

   install.packages(“installr”,dependencies = T)
   installr::install.pandoc() # may require admin access rights

---

Týden 1 (odevzdání do 23.2.)

Vypracujte zadání ve skriptu R03_data_handling_exercise.Rmd.
Zkompilovaný html/pdf/docx soubor odevzdejte prostřednictvím odevzdávárny v insisu.

---

Týden 2 (odevzdání do 2.3.)

• Stažení zajímavého datasetu z databáze Eurostat/WDI, (u Eurostatu použijte data na úrovni NUTS2/NUTS3), prostřednictvím balíčku R.
  • Orientace v datasetu: Popis ukazatelů, obsažených v datasetu (např.: jaké věkové skupiny jsou sledovány, …).
  • Úprava dat pomocí balíčku dplyr a pipe operátoru: filtrování “vhodných” ukazatelů podle Vašeho uvážení. Popište, jaká data jste vybrali (případně proč).
  • Jednoduchá vizualizace dat pomocí balíčku ggplot2. Před vizualizací dat ověřte rozměr výsledného datasetu pomocí příkazu dim(). Při správném filtrování musí počet řádků datasetu odpovídat zobrazovaným datům. (Např: zobrazuji řady s HDP pro 10 regionů a 5 let -> data frame má 50 řádků v tzv. dlouhém formátu.)
  • Převod do formátu časových řad (využijte balíček zoo).
  • Úkol může být založen na postupech ze skriptu R07_Eurostat.Rmd (ale nepoužívejte přímo datasety z tohoto skriptu).
  • Doprovoďte Váš výstup stručným slovním komentářem (popište zvolené proměnné).

---

Týden 3 (odevzdání do 9. 3.)

Vizualizace prostorových dat v R - kartogram (infomapa)

• K vizualizaci použijte dva různé datasety: jeden může vycházet z úkolu pro minulý týden, druhý dataset si opět zvolte/vyhledejte na Eurostatu (nebo použijte jiný vhodný zdroj dat).

• Pro Vámi vybrané proměnné zobrazte infomapu, např. podle vzoru ze skriptu R02_ggplot_choropleths.R
  • Zobrazte alespoň čtyři různé infomapy: použijte různé projekce, různá časová období (použijte fazety), odlišné NUTS úrovně, zobrazte proměnné pro různé sledované skupiny (věkové skupiny, skupiny podle vzdělání, pohlaví, atd.).
  • Pokud pracujete se státy jako Francie nebo Španělsko, je vhodné z datasetu odstranit zámořská území (nebo ohraničit oblast zobrazovanou na mapě).
  • Před vizualizací dat v ggplot() zkontrolujte rozměr datasetu.
  • Použití dat z Eurostatu není podmínkou, lze využít WDI nebo jinou databázi
• Bonus: pokud pro zobrazení infomapy vyjdete z rasterových dat (vzdálené snímkování, viz skript R03_raster_data.R) můžete získat dva body navíc. Podmínkou je použití jiného rasteru a jiného státu, než se kterým jsme pracovali na cvičení.

===

Týden 4 (odevzdání do 16. 3.)

Interpolace prostorových dat

• Vyřešte úlohu ze skriptu R06b_Complex_spatial_interpolation_example.Rmd a odevzdejte ve zkompilovaném formátu (html/docx/pdf).
• Před zpracováním dat je vhodné podrobně si přečíst doprovodné informace a návod ze skriptu.

---

Týden 5 (odevzdání do 23. 3.)

Testování prostorové (ne)závislosti a shluková analýza

• Pro tento úkol lze použít data (tj. regiony), která jste stáhli v rámci úkolu v předchozích týdnech, pokud má výběr alespoň 40 pozorování. V opačném případě (malý výbět) najděte jiný dataset (ideálně na úrovni NUTS2 nebo NUTS3), nebo upravte filtrování jednotek, abyste měli dostatek pozorování pro analýzu.

• Zvolte alespoň jednu proměnnou (a jedno období pozorování - co nejblíže roku 2025) a proveďte Moranův test na prostorovou nezávislost.

• Použijte alespoň dva různé způsoby definice prostorové struktury (vzdálenost, vzdálenost + kNN, společná hranice) k ověření robustnosti výsledků vůči změnám prostorové struktury.

• Proveďte shlukovou analýzu (alespoň jeden typ výstupu) - jako vodítko můžete použít skript R09_LISA_and_clusters.R.

• Slovně okomentujte výsledky.

---

Týden 6 (odevzdání do 30. 3.)

Vypracujte Quick Exercise, začínající na řádku 90 skriptu R11_Direct_Indirect_Effects.R. Proveďte následující kroky:

• Sestavte matici sousednosti C a matici prostorových vah W podle zadání (kNN).
• Proveďte diagnostický test (SAR nebo SER model)
• Odhadněte prostorový model
• Vygemerujte tabulku mezních efektů a popište výsledky
• Otestujte reziduální složku modelu na prostorovou nezávislost (popište výsledek testu)
• Nezapomeňte kód překlopit do Rmd formátu a odevzdat ve zkompilované podobě

---

Homepage