Zadání domácích úkolů

Domácí úkoly zpracujte v Rmd (Markdown), nebo qmd (quarto) formátu, 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).
Podle potřeby přiložte dataset a zdrojový Rmd nebo qmd soubor.
Pokud odevzdáváte úkol v komprimovaném souboru, používejte výhradně .zip formát.

Obecná doporučení pro práci s R (domácí úkoly)

Používejte nejnovější verzi R
Používejte nejnovější verzi RStudio
Aktualizujte balíčky
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 18.2.)

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

Týden 2 (odevzdání do 25.2.)

Stažení zajímavého datasetu z databáze Eurostat/WDI/OECD, (u Eurostatu použijte data na úrovni NUTS2/NUTS3), prostřednictvím balíčku R.
- Orientace v datasetu: Popis ukazatelů, obsažených v datasetu (typově: jaké věkové skupiny jsou sledovány, …).
- Úprava dat pomocí dplyr a pipe operátoru: filtrování “vhodných” ukazatelů podle Vašeho uvážení. Popište, jaká data jste vybrali (případně proč).
- Jednoduchá vizualizace dat pomocí 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).

Bonusový úkol, 2 body navíc: Na datasetu vhodným způsobem ukažte imputaci chybějících dat na jednorozměrné ČŘ, například pomocí balíčku imputeTS (v případě potřeby NAs sami vytvořte).

Týden 3 (odevzdání do 3. 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 (jsou-li dostupné mapy)

Týden 4 (odevzdání do 10. 3.)

Testování prostorové (ne)závislosti v R

Pro tento úkol lze použít data (tj. regiony), která jste stáhli v rámci úkolu z minulého týdne - pokud má výběr alespoň 50 pozorování. V opačném případě (malý výbět) najděte jiný dataset (ideálně na úrovni NUTS2 nebo NUTS3), abyste měli dostatek pozorování pro provedení testu.
Zvolte jednu proměnnou (a jedno období pozorování - ideálně co nejblíže roku 2024) 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.
Slovně okomentujte výsledky (interpretujte výsedek testu).

Týden 5 (odevzdání do 17. 3.)

Shluková analýza na prostorových datech v R

Pro tento úkol lze použít data (tj. regiony), která jste stáhli v rámci úkolu z minulého týdne - pokud má výběr alespoň 50 pozorování a pokud data vykazují pozitivní prostorovou závislost. V opačném případě najděte jiný dataset (ideálně na úrovni NUTS2 nebo NUTS3), abyste měli dostatek pozorování pro provedení testu.
Zvolte jednu proměnnou (a jedno období pozorování - ideálně co nejblíže roku 2024) a proveďte shlukovou analýzu - jako vodítko můžete použít skript R09_LISA_and_clusters.R z bloku 2.
Použijte alespoň dva různé způsoby definice prostorové struktury (vzdálenost, vzdálenost + kNN, společná hranice) k ověření robustnosti výsledků vůči změnám prostorové struktury.
Slovně okomentujte výsledky.

Týden 6 (odevzdání do 24. 3.)

Proveďte stepwise regresi, podle Assignment 1 ze skriptu z bloku 3: R03_Model_selection.R
- Proveďte alespoň dvě varianty výběru (best subset, forward, backwards), výstupy srovnejte (vizualizace, vyhodnocení)

Týden 7 (odevzdání do 5. 4.)

Zpracujte rozšířený abstrakt své seminární práce - popište vybrané téma (motivace, výzkumný záměr), popište data, popište preferovanou odhadovou metodu. Jaký je Váš konkrétní cíl? Jaké vidíte potenciální problémy či komplikace? Případně uveďte zpracovaný model a/nebo dílčí výstupy odhadu. Rozsah 1-2 strany A4 (cca 400-800 slov).

Týden 10 (odevzdání do 21.4.)

Zpracujte úkol podle zadání ve skriptu R16_GAM_diamonds_example.R z Bloku 3.

za bonusové body zpracujte analogický úkol (GAM specifikace) na vlastních datech.

Týden 11 (odevzdání do 28.4.)

Podle instrukcí předaných na cvičení dne 21.4. doplňte (vyřešte zadání) ze skriptu R06_LME_wagepanel_hierarchical_data.R.

Týden 12 (odevzdání do 5. 5.)

Zpracujte úkol podle zadání ze skriptu R02_LPM_Logit_Probit.R (Quick exerice, začínající na ř. 257),
Připravte alternativní specifikaci modelu s interakčními členy podle vlastního uvážení,
Zpracujte vyhodnocení predikčních vlastností obou specifikací (confusion matrix, ROC křivka),
Pro model s interakčními členy ukažte mezní efekty (balíček effects).

Homepage