1 기대수명 데이터

gapminder 데이터를 가지고 회귀모형을 구축하고 모형을 활용하여 종속변수(기대수명, lifeExp)가 늘어나지 못한 국가를 뽑아내고 이를 시각적으로 확인해보자.

# 0. 환경설정 -----
# 데이터
library(gapminder)

# Tidyverse
library(tidyverse)

# 시각화
library(cowplot)
library(trelliscopejs)
library(rbokeh)

# 모형
library(broom)

# 1. 데이터 -----
gapminder

# A tibble: 1,704 x 6
   country     continent  year lifeExp      pop gdpPercap
   <fct>       <fct>     <int>   <dbl>    <int>     <dbl>
 1 Afghanistan Asia       1952    28.8  8425333      779.
 2 Afghanistan Asia       1957    30.3  9240934      821.
 3 Afghanistan Asia       1962    32.0 10267083      853.
 4 Afghanistan Asia       1967    34.0 11537966      836.
 5 Afghanistan Asia       1972    36.1 13079460      740.
 6 Afghanistan Asia       1977    38.4 14880372      786.
 7 Afghanistan Asia       1982    39.9 12881816      978.
 8 Afghanistan Asia       1987    40.8 13867957      852.
 9 Afghanistan Asia       1992    41.7 16317921      649.
10 Afghanistan Asia       1997    41.8 22227415      635.
# ... with 1,694 more rows

2 기대수명 회귀분석

대륙과 국가를 그룹으로 잡아 회귀분석을 각각에 대해서 돌리고 나서, 모형 결과값을 데이터와 모형이 함께 위치하도록 티블(tibble)에 저장시켜 놓은다. 그리고 나서, 주요한 회귀모형 성능지표인 결정계수(\(R^2\))를 기준으로 정렬시킨다.

# 2. 모형 -----
country_model <- function(df)
  lm(lifeExp ~ year, data=df)

by_country <- gapminder %>% 
  group_by(country, continent) %>% 
  nest() %>% 
  mutate(model = map(data, country_model),
         model_glance = map(model, glance),
         rsquare = map_dbl(model_glance, ~.$r.squared))

by_country %>% 
  arrange(-rsquare)

# A tibble: 142 x 6
   country           continent data        model  model_glance     rsquare
   <fct>             <fct>     <list>      <list> <list>             <dbl>
 1 Brazil            Americas  <tibble [1~ <S3: ~ <data.frame [1 ~   0.998
 2 Mauritania        Africa    <tibble [1~ <S3: ~ <data.frame [1 ~   0.998
 3 France            Europe    <tibble [1~ <S3: ~ <data.frame [1 ~   0.998
 4 Switzerland       Europe    <tibble [1~ <S3: ~ <data.frame [1 ~   0.997
 5 Pakistan          Asia      <tibble [1~ <S3: ~ <data.frame [1 ~   0.997
 6 Indonesia         Asia      <tibble [1~ <S3: ~ <data.frame [1 ~   0.997
 7 Equatorial Guinea Africa    <tibble [1~ <S3: ~ <data.frame [1 ~   0.997
 8 Comoros           Africa    <tibble [1~ <S3: ~ <data.frame [1 ~   0.997
 9 Nicaragua         Americas  <tibble [1~ <S3: ~ <data.frame [1 ~   0.997
10 Guatemala         Americas  <tibble [1~ <S3: ~ <data.frame [1 ~   0.997
# ... with 132 more rows

3 기대수명 회귀모형 시각화

# 3. 시각화 -----
country_plot <- function(data, model) {
  figure(xlim = c(1948, 2011), ylim=c(10,95), tools = NULL) %>% 
    ly_points(year, lifeExp, data=data, hover=data) %>% 
    ly_abline(model)
}

## 3.1. 단일 그래프
country_plot(by_country$data[[1]], by_country$model[[1]])

## 3.2. trelliscope 그래프
by_country <- by_country %>% 
  mutate(plot = map2_plot(data, model, country_plot)) %>% 
  arrange(rsquare)

by_country %>% 
  trelliscope(name = "by_country_lm", nrow=2, ncol=4, path="gapminder")