研究問題與動機描述

我們先查看了全台各縣市之自然增加人數發現位於離島的金門最高，而自然增加率則是連江縣居冠，而澎湖在兩者卻遠遠落後於金馬。這讓我們好奇究竟是甚麼原因導致同是離島，在自然增加率卻有如此落差。註:本研究捨棄連江原因為其人口數過少，任何數目皆可能造成極端值，無法真正探討其原因。

資料讀取

#讀取資料
load("camp.Rdata")

df %>% group_by(縣市名稱) %>% 
  summarize(自然增加人數=mean(自然增加人數)) %>% 
  ggplot(aes(縣市名稱,自然增加人數))+
  geom_col()+theme(axis.text.x = element_text(angle = 45))

df %>% group_by(縣市名稱) %>% 
  summarize(自然增加率=mean(自然增加率)) %>% 
  ggplot(aes(縣市名稱,自然增加率))+
  geom_col()+theme(axis.text.x = element_text(angle = 45))

資料處理

整理說明: 我們為了瞭解金門與澎湖自然增加率的差異，先做出出生率與死亡率和所得的關係圖，並了解其與自然增加率的關係，接著更深入地去透過視覺化工具呈現我們討論的結果。

#整理資料

df$社會增加率 = sapply(df$社會增加率,as.numeric)
df = na.omit(df)

資料視覺化

在所得這張圖裡我們可以發現，所得高的金門，其死亡率低，兩者關係成反比。

df %>% filter(縣市名稱==c('金門縣','澎湖縣')) %>% group_by(縣市名稱) %>% 
  summarize(各類所得金額合計=mean(各類所得金額合計)) %>% 
  ggplot(aes(縣市名稱,各類所得金額合計))+
  geom_col()+theme(axis.text.x = element_text(angle = 45))

## Warning in 縣市名稱 == c("金門縣", "澎湖縣"): 較長的物件長度並非較短物件長度的倍
## 數

df %>% filter(縣市名稱==c('金門縣','澎湖縣')) %>% group_by(縣市名稱) %>% 
  summarize(粗出生率=mean(粗出生率)) %>% 
  ggplot(aes(縣市名稱,粗出生率))+
  geom_col()+theme(axis.text.x = element_text(angle = 45))

## Warning in 縣市名稱 == c("金門縣", "澎湖縣"): 較長的物件長度並非較短物件長度的倍
## 數

df %>% filter(縣市名稱==c('金門縣','澎湖縣')) %>% group_by(縣市名稱) %>% 
  summarize(粗死亡率=mean(粗死亡率)) %>% 
  ggplot(aes(縣市名稱,粗死亡率))+
  geom_col()+theme(axis.text.x = element_text(angle = 45))

## Warning in 縣市名稱 == c("金門縣", "澎湖縣"): 較長的物件長度並非較短物件長度的倍
## 數

df %>% filter(縣市名稱==c('金門縣','澎湖縣')) %>% group_by(縣市名稱) %>% 
  summarize(自然增加率=mean(自然增加率)) %>% 
  ggplot(aes(縣市名稱,自然增加率))+
  geom_col()+theme(axis.text.x = element_text(angle = 45))

## Warning in 縣市名稱 == c("金門縣", "澎湖縣"): 較長的物件長度並非較短物件長度的倍
## 數

結論、策略建議

Conclusion :

結論:我們經過多重資料比對，發現死亡率對兩地自然增加率的影響大於出生率，而由數據資料中我們發現所得高低是導致澎湖縣死亡率遠大於金門縣的主因，因此我們推論金門縣的高所得使得人民能夠人為地降低死亡率(ex:醫療、保健食品等) 數據中顯示金門縣老人戶數大於澎湖縣老人戶數，理論上死亡率應是金門大於澎湖，所以更佐證了我們認為高所得會使死亡率降低的結論

金門金門羅生門

最強的第15組

2020-07-25