Em Sex 24 jun. 2016, às 17:08, Elias Carvalho via R-br escreveu:
Pessoal,
Eu preciso fazer uma análise para verificar a relação das variáveis com a morte e meus dados são semelhantes a tabela abaixo:
*CD_MUN* *MUNIC* *UF* *POPULAÇÃO* *UTI* *PIB* *AUTO* *MOTO* *ONIBUS* *CAMINHÃO* *MORTE* 1 A X 3577 10 18533,94 1549 661 40 360 2 *2* *B* *Y* *11958* *2* *12487,36* *5402* *2234* *185* *1401* *11* 3 C Z 6936 8 9947 2187 1478 60 666 6
Nessa tabela o município da linha 2 tem mais população, mais PIB, mais veículos e mais morte. Isso é óbvio porque a sua população e maior, mas isso não necessariamente quer dizer que esse município tenha mais mortes ou que elas são causadas mais provavelmente pela frota de carros ou motos.
Então pensando em evitar vieses, e por isso eu pensei em normalizar os dados dividindo as colunas UTI, PIB, AUTO, MOTO, ONIBUS, CAMINHÃO e MORTE pela coluna da POPULAÇÃO e dividir por 10.000, por exemplo para MORTE da linha 2, ficaria: (11/11958)*1000 = 9,1989.
Primeiro, algumas firulas, caso interessem. * Em epidemiologia costumamos chamar de calcular a taxa, o que você chama de normalizar a variável. Não estou desclassificando sua denominação, apenas alertando para o fato de ajudá-lo a encontrar referências relevantes e possivelmente a comunicar seus resultados. * Ou você divide a população por dez mil, ou você multiplica a taxa por dez mil. Você não divide a taxa por dez mil. Naturalmente, assim como 15% é igual a 0,15, e não igual a 100 * 0,15, 9 óbitos por 10.000 habitantes é igual a 0,0009 óbitos por habitante, e não a 10.000 vezes 0,0009 óbitos por habitante. Mas esse preciosismo é algo que não tenho coragem de dividir com meus colegas da área da saúde. * Sugiro que você considere dividir por 100.000, em vez de 10.000, para tornar seus resultados mais facilmente comparáveis. (Veja a publicação "INDICADORES BÁSICOS PARA A SAÚDE NO BRASIL: CONCEITOS E APLICAÇÕES", da RIPSA).
Dessa forma a tabela ficaria assim:
*CD_MUN* *MUNIC* *UF* *POPULAÇÃO* *UTI* *PIB* *AUTO* *MOTO* *ONIBUS* *CAMINHÃO* *MORTE* 1 A X 3577 27,9564 51814,2018 4330,4445 1847,9172 111,8256 1006,4300 5,5913 *2* *B* *Y* *11958* *1,6725* *10442,6827* *4517,4778* *1868,2054* *154,7081* *1171,6006* *9,1989* 3 C Z 6936 11,5340 14341,1188 3153,1142 2130,9112 86,5052 960,2076 8,6505
Ou ainda poderia usar alguma ferramento do R que fosse mais confiável ?
Não acho necessário usar alguma função ou pacote especial. Supondo que você esteja tenha um data.frame (o exemplo é facilmente adaptável para data.table) chamado "dados", dados$MORTE_N <- with(dados, 10000 * MORTE / POPULAÇÃO) ou, seguindo meu próprio conselho, dados$MORTE_TX <- with(dados, 100000 * MORTE / POPULAÇÃO) Basta adaptar a linha para as outras variáveis. Em princípio, você não deveria repetir a si mesmo, mas para sete linhas acho mais fácil repetir um procedimento simples como esse, em vez de fazer algo mais sofisticado como criar um laço que crie as colunas normalizadas a partir de um vetor com o nome das colunas originais. Atenciosamente, Leonardo Fontenelle