Question

我目前正在进行有关投票行为的数据分析：这是我的两个假设：

H1：1999年，年龄在18-25岁之间的SVP选民在2003年消费更多媒体更有可能投票支持SVP。

H2：忠诚的SVP选民（1999年和2003年被选为SVP），年龄在18-25岁，消费更多的媒体，可能更多地了解政治人物而不是问题。

我对R来说比较新。

- ＆GT;如何创建我需要的数据样本：1999年的SVP选民年龄在18-25岁？我试图在1999年和2003年创建用于投票SVP的虚拟变量，但我不确定如何创建一个限于投票SVP和年龄的样本，以便根据该人群进行分析。

下面你可以找到我到目前为止所尝试的内容：

# Dummy creation age, voting
#age 
youngvoter99 <- ifelse(w1age>=18 & w1age<26, 1, 0)
youngvoter03 <- ifelse(w2age>=18 & w2age<30, 1, 0)
mean(w1age>=18 & w1age<26)

#voting
SVP99 <- ifelse(w111800f==4, 1, 0)
SVP03 <- ifelse(w211800f==4, 1, 0)
#Media importance
tvimportance99 <- factor(w112414,
                         levels = c("Not important at all", "1", "2", "3", 
"4", "5", "6", "7", "8", "9", "Very important"))      
tvimport99low <- factor(tvimportance99,
                        levels = c("Not important at all", "1", "2", "3", 
"4", "5"))
tvimport99high <- factor(tvimportance99,
                         levels = c("6", "7", "8", "9", "Very important")) 
str(tvimport99low)
str(tvimport99high)
--- I did the same thing for 2003 tvimportance as above 

#Categorizing  Political Knowledge

politknowhigh99 <- factor(w1soph,
                          levels = c("Low knowledge", "1", "2"))
politknowlow99 <- factor(w1soph,
                         levels = c("3", "High knowledge"))
str(politknowhigh99)
str(politknowlow99)

--- I did the same thing for 2003 politknowledge as above

#Categorizing Political Personality interest

impers99 <- factor(w112211,
                   levels = c("Very important", "Rather important", "Rather 
not important", "Not important at all"))
impers99mu <-factor(impers99, 
                    levels = c("Very important", "Rather important"))
impers99low <-factor(impers99, 
                     levels = c("Very important", "Rather important"))
str(impers99low)
str(impers99mu)

--- I did the same thing for 2003 tvimportance as above

- ＆GT;如何在R中为假设1/2创建适当的回归，尤其是当变量是因子变量时？

我想创建2个线性注册表。并减去它们，但是我坚持创建采样总体并处理因子变量。我尝试使用包“plm”，但它似乎已经过时了更新的R studio版本。

虚拟变量/因子变量和回归

0 个答案: