Funktion berechnet Totalwerte oder Mittelwerte einer numerischen Variable und die zugehoerigen Fehler.

Median(x, TFstring = NULL, each = NULL, var, negativeZero = TRUE,
  thousands_separator = TRUE, digits = 2, replicates = FALSE)

Mean(x, TFstring = NULL, each = NULL, var, negativeZero = TRUE,
  thousands_separator = TRUE, digits = 2, replicates = FALSE)

Total(x, TFstring = NULL, each = NULL, var, negativeZero = TRUE,
  thousands_separator = TRUE, digits = 2, replicates = FALSE)

Arguments

x

MZ Daten - Output von Funktion ImportData.

TFstring

Character oder NULL: Logische Einschraenkung der Gruppe. Falls NULL, gilt keine Einschraenkung.

each

Character oder NULL: Name der Variable nach der getrennt berechnet werden soll. Hier koennen auch mehrere Variablen angegeben werden und zwar in einem character string, getrennt durch ein +, siehe Examples.

var

character: Name der numerischen Variable oder Formel zur Berechnung dieser z.b. 'x+y'.

negativeZero

Logical: Wenn TRUE, werden die negativen Werte der numerischen Variable auf 0 gesetzt.

thousands_separator

Logical: Wenn TRUE, werden Tausendertrennzeichen angezeigt.

digits

Numerischer Wert: Anzahl der Nachkommastellen im angezeigten Ergebnis. Default ist 2.

replicates

Fürge einen Vektor aus Schätzwerten zum Output hinzu? Die Anzahl der Schätzwerte pro Gruppe in each entspricht der Anzahl der Bootstrapreplikate (typischerweise 500). Siehe auch getReplicates.

Value

Output ist ein Objekt der Klasse mzR.

Details

Wiedergegeben wird der Schaetzer est, der Stichprobenfehler sd, der Variationskoeffizient cv und die untere/obere Grenze des 95% Konfidenzintervalls cil_2.5%/ciu_97.5%. Die Fehler werden mit Hilfe von Replikationsgewichten aus einem Bootstrapverfahren berechnet, d.h. sd entspricht der Standardabweichung der mit den Bootstrapgewichten berechneten Schaetzwerte, cil_2.5% und ciu_97.5% sind die entsprechenden 2.5% und 97.5% Quantile und cv=sd/est.

Functions

  • Median: Median. Robuste alternative zu Mean

  • Mean: Arithmetisches Mittel

See also

Examples

# Daten laden (oder Daten einlesen mit ImportData() bzw. IndivImportData()) data(mzTestData) # Geleistete Arbeitsstunden: Absolutwerte Total(mzTestData,TFstring="xerwstat==1&balt>=15&balt<=74",var="estund*13+dtstd*13")
#> est sd cv cil_2.5% #> year2 1,671,374,942.14 232,757,050.50 0.14 1,549,405,938.58 #> year1 1,829,623,967.55 252,284,180.55 0.14 1,421,018,572.91 #> Absolute change -158,249,025.41 280,771,848.82 -1.77 -115,533,834.66 #> Relative change -8.65 17.84 -2.06 -5.64 #> ciu_97.5% #> year2 2.131948e+09 #> year1 2.001863e+09 #> Absolute change 5.126075e+08 #> Relative change 3.539000e+01
# Geleistete Arbeitsstunden: Absolutwerte in Millionen Total(mzTestData,TFstring="xerwstat==1&balt>=15&balt<=74",var="(estund+dtstd)*13/10^6")
#> est sd cv cil_2.5% ciu_97.5% #> year2 1,671.37 232.76 0.14 1,549.41 2,131.95 #> year1 1,829.62 252.28 0.14 1,421.02 2,001.86 #> Absolute change -158.25 280.77 -1.77 -115.53 512.61 #> Relative change -8.65 17.84 -2.06 -5.64 35.39
#Durchschnittlich geleistete Arbeitsstunden Mean(mzTestData,TFstring="xerwstat==1&balt>=15&balt<=74",var="estund+dtstd")
#> est sd cv cil_2.5% ciu_97.5% #> year2 31.08 2.50 0.08 28.46 34.70 #> year1 29.42 2.39 0.08 24.32 30.11 #> Absolute change 1.66 2.47 1.48 1.74 7.76 #> Relative change 5.66 9.51 1.68 5.92 28.86
#Durchschnittlich geleistete Arbeitsstunden nach Geschlecht Mean(mzTestData,TFstring="xerwstat==1&balt>=15&balt<=74",var="estund+dtstd", each="bsex")
#> $bsex_1 #> est sd cv cil_2.5% ciu_97.5% #> year2 33.36 4.32 0.13 33.38 43.27 #> year1 32.39 3.00 0.09 29.23 36.44 #> Absolute change 0.96 5.97 6.19 0.24 13.69 #> Relative change 2.98 20.65 6.94 0.71 46.94 #> #> $bsex_2 #> est sd cv cil_2.5% ciu_97.5% #> year2 29.02 3.49 0.12 24.10 32.36 #> year1 25.80 7.75 0.30 10.40 29.88 #> Absolute change 3.22 4.98 1.55 2.18 13.85 #> Relative change 12.48 59.01 4.73 7.37 140.77 #>
#Durchschnittlich geleistete Arbeitsstunden nach Bundesland und Geschlecht Mean(mzTestData,TFstring="xerwstat==1&balt>=15&balt<=74",var="estund+dtstd",each="xnuts2+bsex")
#> $xnuts2_bsex_11001 #> est sd cv cil_2.5% ciu_97.5% #> year2 22.00 0.00 0.00 22.00 22.00 #> year1 28.88 2.25 0.08 29.25 34.07 #> Absolute change -6.88 2.25 -0.33 -12.07 -7.25 #> Relative change -23.81 5.01 -0.21 -35.43 -24.79 #> #> $xnuts2_bsex_11002 #> est sd cv cil_2.5% ciu_97.5% #> year2 37.00 0.00 0.00 37.00 37.00 #> year1 36.25 0.34 0.01 36.25 36.92 #> Absolute change 0.75 0.34 0.45 0.08 0.75 #> Relative change 2.07 0.93 0.45 0.21 2.07 #> #> $xnuts2_bsex_12001 #> est sd cv cil_2.5% ciu_97.5% #> year2 -3.00 0.00 0.00 -3.00 -3.00 #> year1 29.83 4.55 0.15 27.28 36.92 #> Absolute change -32.83 4.55 -0.14 -39.92 -30.28 #> Relative change -110.06 1.35 -0.01 -111.01 -108.12 #> #> $xnuts2_bsex_12002 #> est sd cv cil_2.5% ciu_97.5% #> year2 31.25 1.98 0.06 29.33 33.57 #> year1 16.62 12.19 0.73 -3.00 22.51 #> Absolute change 14.63 11.70 0.80 10.76 35.33 #> Relative change 87.97 662.02 7.53 -1,177.82 91.28 #> #> $xnuts2_bsex_13001 #> est sd cv cil_2.5% ciu_97.5% #> year2 42.00 0.00 0.00 42.00 42.00 #> year1 26.50 10.01 0.38 12.35 36.36 #> Absolute change 15.50 10.01 0.65 5.64 29.65 #> Relative change 58.49 98.32 1.68 15.88 249.69 #> #> $xnuts2_bsex_13002 #> est sd cv cil_2.5% ciu_97.5% #> year2 14.50 15.65 1.08 -3.00 30.25 #> year1 35.50 0.00 0.00 35.50 35.50 #> Absolute change -21.00 15.65 -0.75 -38.50 -5.25 #> Relative change -59.15 44.09 -0.75 -108.45 -14.79 #> #> $xnuts2_bsex_21001 #> est sd cv cil_2.5% ciu_97.5% #> year2 17.00 0.00 0.00 17.00 17 #> year1 29.50 12.50 0.42 17.00 42 #> Absolute change -12.50 12.50 -1.00 -25.00 0 #> Relative change -42.37 30.29 -0.71 -59.52 0 #> #> $xnuts2_bsex_21002 #> est sd cv cil_2.5% ciu_97.5% #> year2 44.00 4.29 0.10 37.70 47.50 #> year1 20.75 16.16 0.78 6.00 35.50 #> Absolute change 23.25 15.09 0.65 8.85 41.15 #> Relative change 112.05 326.57 2.91 24.93 685.82 #> #> $xnuts2_bsex_22001 #> est sd cv cil_2.5% ciu_97.5% #> year2 23.17 16.33 0.70 -2.00 34.27 #> year1 46.25 8.99 0.19 36.58 57.00 #> Absolute change -23.08 22.40 -0.97 -57.92 -2.93 #> Relative change -49.91 42.67 -0.85 -104.24 -5.94 #> #> $xnuts2_bsex_22002 #> est sd cv cil_2.5% ciu_97.5% #> year2 23.67 9.43 0.40 12.50 35.75 #> year1 37.00 0.00 0.00 37.00 37.00 #> Absolute change -13.33 9.43 -0.71 -24.50 -1.25 #> Relative change -36.04 25.48 -0.71 -66.22 -3.38 #> #> $xnuts2_bsex_31001 #> est sd cv cil_2.5% ciu_97.5% #> year2 40.33 4.47 0.11 37.50 47.00 #> year1 36.25 0.34 0.01 35.58 36.25 #> Absolute change 4.08 4.18 1.02 1.93 10.75 #> Relative change 11.26 11.50 1.02 5.39 29.66 #> #> $xnuts2_bsex_31002 #> est sd cv cil_2.5% ciu_97.5% #> year2 37.25 7.76 0.21 32.30 51.05 #> year1 37.67 19.84 0.53 1.00 37.60 #> Absolute change -0.42 26.75 -64.19 -4.77 50.05 #> Relative change -1.11 2,557.79 -2,312.24 -12.87 5,003.99 #> #> $xnuts2_bsex_32001 #> est sd cv cil_2.5% ciu_97.5% #> year2 29.88 9.73 0.33 20.54 43.17 #> year1 41.83 3.58 0.09 37.00 45.13 #> Absolute change -11.96 11.60 -0.97 -20.01 6.02 #> Relative change -28.59 28.51 -1.00 -49.56 16.28 #> #> $xnuts2_bsex_32002 #> est sd cv cil_2.5% ciu_97.5% #> year2 40.50 1.92 0.05 40.50 44.00 #> year1 14.00 0.00 0.00 14.00 14.00 #> Absolute change 26.50 1.92 0.07 26.50 30.00 #> Relative change 189.29 13.69 0.07 189.29 214.29 #> #> $xnuts2_bsex_33001 #> est sd cv cil_2.5% ciu_97.5% #> year2 57.88 4.71 0.08 54.18 64.50 #> year1 33.90 4.31 0.13 30.17 40.33 #> Absolute change 23.98 7.45 0.31 15.20 34.13 #> Relative change 70.72 30.36 0.43 38.91 114.06 #> #> $xnuts2_bsex_33002 #> est sd cv cil_2.5% ciu_97.5% #> year2 -3.0 0.00 0.00 -3.00 -3.00 #> year1 12.5 3.13 0.25 5.25 12.20 #> Absolute change -15.5 3.13 -0.20 -15.20 -8.25 #> Relative change -124.0 15.69 -0.13 -157.14 -124.76 #> #> $xnuts2_bsex_34001 #> est sd cv cil_2.5% ciu_97.5% #> year2 38.00 0.89 0.02 38.20 40.00 #> year1 38.67 1.18 0.03 37.00 39.42 #> Absolute change -0.67 1.16 -1.75 0.55 3.00 #> Relative change -1.72 3.18 -1.85 1.41 8.11 #> #> $xnuts2_bsex_34002 #> est sd cv cil_2.5% ciu_97.5% #> year2 16.00 9.84 0.61 5.00 25.90 #> year1 7.00 8.94 1.28 -2.00 17.00 #> Absolute change 9.00 8.82 0.98 -11.00 9.80 #> Relative change 128.57 123.32 0.96 -247.07 52.35 #>