分析影響高雄結婚率之因素

研究問題與動機描述

台灣長期結婚率低靡，高雄愛情摩天輪期望落空，所以改善高雄的結婚率似乎變得遙遙無期……

資料讀取

#讀取資料
load("C:/Users/CCCM_3051/Desktop/商業日教材/R textbook-20200725/R textbook/data/camp.Rdata")

整理說明 :
我們為資料新增了人口數的欄位，藉此得到精確的平均所得收入。

資料視覺化

df %>% group_by(year,縣市名稱) %>%
  summarise(性別比= mean(`出生登記－性比率`), 結婚率 = mean(粗結婚率))%>%
  ggplot(aes(結婚率,性別比,colour=縣市名稱))+geom_point()

## `summarise()` regrouping output by 'year' (override with `.groups` argument)

> 圖示意涵闡述:
性別比似乎與結婚率無關

df %>% group_by(縣市名稱,鄉鎮市區名稱) %>%
  filter(縣市名稱 %in% c("臺北市","新北市","桃園市","臺中市","臺南市","高雄市")) %>%
  summarise( 平均所得= mean(`平均數`), 結婚率 = mean(粗結婚率))%>%
  ggplot(aes(平均所得,結婚率,colour=縣市名稱))+geom_point()

## `summarise()` regrouping output by '縣市名稱' (override with `.groups` argument)

> 圖示意涵闡述:
平均所得較高的地區，通常會有較高的結婚率

df %>% group_by(縣市名稱,鄉鎮市區名稱) %>%
  filter(縣市名稱 %in% c("高雄市")) %>%
  summarise( 平均所得= mean(`平均數`), 結婚率 = mean(粗結婚率))%>%
  ggplot(aes(平均所得,結婚率,colour=縣市名稱))+geom_point()

## `summarise()` regrouping output by '縣市名稱' (override with `.groups` argument)

> 圖示意涵闡述:
高雄的分布和全國相似 台北的平均所得遠高於其他五都

df %>% 
  mutate(人口數 = 綜合所得總額/平均數) %>%
  filter(縣市名稱 %in% c("臺北市","新北市","桃園市","臺中市","臺南市","高雄市")) %>%
  group_by(year,縣市名稱) %>%
  summarise(平均所得 = sum(綜合所得總額) / sum(人口數)) %>%
  ggplot(aes(year, 平均所得,color=縣市名稱))+geom_line()

## `summarise()` regrouping output by 'year' (override with `.groups` argument)

> 圖示意涵闡述:
台北的平均所得遠高於其他五都，高雄市平均所得增加緩慢

df %>% group_by(year,縣市名稱) %>% 
  filter(縣市名稱=="高雄市")%>%
  summarize_if(is.numeric,mean) %>% 
  ggplot(aes(year,粗結婚率,color=縣市名稱))+geom_line() 

> 圖示意涵闡述:
高雄市結婚率向下走

df %>% group_by(year,縣市名稱) %>% 
  filter(縣市名稱=="高雄市")%>%
  summarize_if(is.numeric,mean) %>% 
  ggplot(aes(year,自然增加人數,color=縣市名稱))+geom_line() 

> 圖示意涵闡述:
自然增加率向下

結論、策略建議

Conclution :

所得收入多寡與結婚率有相關性，單一縣市若收入成長趨緩，恐會造成情侶結婚意願低落，導致自然增加率無法提升，甚至變成負值。 所以促進城市產業升級，提高市民收入，以及提高婚禮補助，可以是解決自然增加率低落的方案。