8、利用描述性统计理解投票行为

利用描述性统计理解投票行为

1. 相关性分析

相关性是衡量两个变量之间线性关系的指标，其值范围从 -1（完全负相关）到 1（完全正相关）。我们可以创建相关性矩阵图，其中大圆圈表示高绝对相关性，蓝色圆圈表示正相关，红色圆圈表示负相关。

以下是创建相关性矩阵图的代码：

library(corrplot)
corrplot(corr = cor(data_numerical), tl.col = "black", tl.cex = 0.8)

通过观察 Proportion 变量与其他变量的关系，大蓝色圆圈表示正相关，即该变量增加时， Proportion 变量也更可能增加；大红色圆圈表示负相关，即该变量增加时， Proportion 变量更可能减少。

2. 创建新数据集

根据之前的分析，年龄、教育和种族是理解人们在脱欧公投中投票方式的重要因素。年轻且教育程度高的人倾向于投票支持留在欧盟，年长的白人则倾向于投票支持离开欧盟。

我们可以创建一个更简洁的数据集，步骤如下：
1. 添加相关变量 ：
- 年龄分为两组：45 岁以下和 45 岁以上。
- 种族分为两组：白人和非白人。
- 教育分为两组：高教育水平和低教育水平。

data$Age_18to44 <- data$Age_18to24 + da