Titelaufnahme

Titel
Visualization of indicators in R with application to EU-SILC / Stefan Zechner
VerfasserZechner, Stefan
Begutachter / BegutachterinFilzmoser, Peter ; Templ, Matthias
Erschienen2010
UmfangV, 92 Bl. : graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2010
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Indikator / EU-SILC / Laeken / Visualisierung / Korrelation / Wetter-Indikator / Konfidenzintervall / R / sparkTable Paket / prewhiten
Schlagwörter (EN)indicator / EU-SILC / Laeken / visualization / correlation / wheather-indicator / confidence interval / R / sparkTable package / prewhiten
URNurn:nbn:at:at-ubtuw:1-43782 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Visualization of indicators in R with application to EU-SILC [1.79 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Diese Diplomarbeit behandelt einen Teil des 'workpackage 8' des AMELI (Advanced Methodology for European Laeken Indicators) Projekts, in welchem das Institut für Statistik und Wahrscheinlichkeitstheorie der Technischen Universität Wien involviert ist. Die Schwerpunkte behandeln Visualisierungen von Indikatoren, um politische Entscheidungsträger zu unterstützten, die Darstellung von regionalen Indikatoren in Karten, sowie leicht verständlichen Visualisierungen für den Endbenutzer. Das Hauptaugenmerk liegt auf der Entwicklung und Implementierung von neuen Visialisierungsmethoden in der Statistik Software R. Wann ist die Schätzung eines Indikators gut, schlecht oder besser/schlechter werdend? Welche sind Benutzerfreundlich, also leicht zu verstehen? Diese Fragen werden auch behandelt, sowie die Visualisierung von Konfidenz Intervallen, welche in den wenigsten Berichten vorkommen.

Im Zuge der Diplomarbeit wurde ein Paket für R entwickelt, welches die Darstellung von graphischen Tabellen ermöglicht, die sparklines enthalten.

Die Visualisierung von Indikatoren in Karten ist ein weiteres großes Gebiet dieser Diplomarbeit. Karten sollten interaktiv präsentiert werden, leicht zu bedienen sein, sowie ansprechende Farben benutzen. In detaillierten Karten sollte es möglich sein in die Karte hinein zu 'zoomen', am besten bis NUTS3 Level.

Ein weiterer wichtiger Punkt ist die Schätzung von Korrelationskoeffizienten zwischen Ländern und ihrer Indikatoren, wobei verschiedene Ansätze behandelt werden. Alternative Visualisierungsmethoden, wie die Wetter-Indikatoren (wheater indicator), werden auch präsentiert.

Innerhalb des AMELI Projekts werden die Methoden mit echten Daten getestet, nämlich mit dem EU-SILC Datensatz. Für die Visualisierungsmethoden wird hauptsächlich der Gini Koeffizient verwendet, aber die Methoden können auch auf jeden anderen Indikator angewandt werden.

Zusammenfassung (Englisch)

This diploma thesis covers a part of the workpackage 8 of the Advanced Methodology for European Laeken Indicators (AMELI) project, in which the Department of Statistics and Probability Theory of the Vienna University of Technology is involved. The main points are visualizing indicators in order to support policy decisions, regional indicators in maps, as well as visualization for a better understanding by the end user of the indicator values, including their quality.

The main task of the thesis is the development of new methods to visualize indicators, and the implementation of these methods in R. Several questions arise: which indicators are user friendly (easy understandable), when is the estimation value of an indicator good, bad, worsening or getting better? The thesis tries to answer these questions as well. The visualization of confidence intervals is also discussed in this thesis. The sparkTable package, which has been developed during this thesis, allows the presentation of graphical tables including sparklines. Visualization of indicators in maps is another large part of this thesis. Maps should be presented in an interactive manner and their handling should be made user friendly. The colors of the maps should additionally be appealing. Detailed maps are needed, if possible a map of Europe, and the possibility to 'zoom' into the map to the level of NUTS3. Furthermore different methods will be discussed how to calculate and display correlations between countries and their indicators. Alternative visualization methods like 'weather indicators' are also part of the thesis. Within the AMELI project the methods are tested using real-world data from Europe (EU-SILC). For the visualization methods mainly the Gini coefficient is used, but the methods can also be applied to any other indicator.