코로나 바이러스 데이터 분석

 코로나 바이러스 데이터가 업데이트되면서 많은 분들이 kaggle 등에서 의미 있는 결과를 찾아내고자 데이터 분석을 진행 중입니다. 

 저도 도움이 되고자 데이터 분석을 진행하는데, 글을 쓰는 도중에 갑자기 결과가 바뀌어 버렸습니다… 말그대로 결과가 바꼈어요. 손댄게 없는데 바꼈어요. 허허.. 무엇이 이유인지는 좀더 찾아봐야겠습니다.. 물론 초보자의 글이라 그렇게 큰 의미는 없겠지만 말이죠.

 그래서 일단 코드부터 올리겠습니다. 그리고 조금씩 고쳐나가는 식으로 이 글을 써야겠어요.

# remotes::install_github("youngwoos/corona19")
library(corona19)
library(tidyverse)

patient <- getdata("patient")
str(patient)

patient <- patient %>% 
  mutate(decease = ifelse(is.na(deceased_date), 0, 1),
         age   = 2020 - birth_year,
         today = 60 + as.numeric(format(Sys.Date(), "%d")),
         month = as.numeric(format(confirmed_date, format = "%m")),
         date  = as.numeric(format(confirmed_date, format = "%d")),
         cured_month = as.numeric(format(released_date, format = "%m")),
         cured_date  = as.numeric(format(released_date, format = "%d")),
         death_month = as.numeric(format(deceased_date, format = "%m")),
         death_date  = as.numeric(format(deceased_date, format = "%d")),
         start_date  = ifelse(month == 1, date,
                              ifelse(month == 2, 31 + date, 60 + date)),
         finish_date = ifelse(cured_month == 1, date,
                              ifelse(cured_month == 2, 31 + cured_date, 60 + cured_date)),
         decease_date = ifelse(death_month == 1, date,
                               ifelse(death_month == 2, 31 + death_date, 60 + death_date)),
         infection_period = ifelse(!is.na(finish_date), finish_date - start_date,
                                   ifelse(!is.na(decease_date), decease_date - start_date, today - start_date)))


patient %>% 
  filter(!is.na(deceased_date)) %>% 
  summarise(n = n())

patient %>% 
  group_by(decease) %>% 
  summarise(n = n()) %>% 
  mutate(per = n / sum(n) * 100)

patient$disease[is.na(patient$disease)] <- 0
patient$disease <- as.factor(patient$disease)
patient$group[is.na(patient$group)] <- "none"



# exclude NA for binary choice model
pat <- patient %>% 
  filter(!is.na(age)& ! is.na(sex))
nrow(pat)

bin.lp <- lm(decease ~ age + sex + disease + group + infection_period,
             data = pat)
summary(bin.lp)

• 코로나 바이러스 사망 요인 분석

library(stargazer)
stargazer(bin.lp,
          type = "text")

## 
## ==============================================================
##                                        Dependent variable:    
##                                    ---------------------------
##                                              decease          
## --------------------------------------------------------------
## age                                         0.002***          
##                                             (0.0002)          
##                                                               
## sexmale                                      -0.003           
##                                              (0.008)          
##                                                               
## disease1                                    0.833***          
##                                              (0.026)          
##                                                               
## groupEunpyeong St. Mary's Hospital           -0.050           
##                                              (0.047)          
##                                                               
## groupMyungsung church                        -0.101           
##                                              (0.108)          
##                                                               
## groupnone                                     0.003           
##                                              (0.038)          
##                                                               
## groupPilgrimage                              -0.014           
##                                              (0.056)          
##                                                               
## groupShincheonji Church                       0.003           
##                                              (0.040)          
##                                                               
## infection_period                            -0.009***         
##                                              (0.001)          
##                                                               
## Constant                                     0.084**          
##                                              (0.042)          
##                                                               
## --------------------------------------------------------------
## Observations                                   648            
## R2                                            0.809           
## Adjusted R2                                   0.806           
## Residual Std. Error                     0.101 (df = 638)      
## F Statistic                         299.329*** (df = 9; 638)  
## ==============================================================
## Note:                              *p<0.1; **p<0.05; ***p<0.01

• 이산 선택 모형

bin.logit <- glm(decease ~ age + disease + infection_period,  
                 data   = pat,
                 family = "binomial")

## Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred

pat <- pat %>% 
  mutate(pr.logit = predict(bin.logit,
                            type = "response"))

pat %>% 
  ggplot(aes(x = age,
             y = pr.logit,
             color = sex)) +
  geom_jitter(size  = 5,
              alpha = 0.8) +
  geom_hline(yintercept = c(0, 1)) + 
  theme_light()

 모쪼록 코로나 바이러스와 사투를 벌이시는 모든 분들 화이팅입니다! 힘내세요!!