Analyse und Visualisierung ( Data Exploration) diverser historischer Indikatoren (Durchschnittliche Anzahl Schuljahre, GDP per Capita), Lebenserwartung, Zufriedenheit von ourWorldinData (OWID).
Unsere Hauptfrage war, wie sich diese Indikatoren auf den Happiness Score auswirken.
Die verfügbaren Jahre sind 2011 - 2023.
Es handelt sich hierbei um ein Studentenprojekt.
Verwendete Programmiersprache ist R. Zudem verwenden wir das tidyverse Paket und shiny. Als Datengrundlage figuriert OurWorld in Data. Als Versionsierungssystem wird renv verwendet.
Das Projekt ist übersichtlich aufgebaut:
Die wichtigsten Dokumente befinden sich direkt im Hauptordner:
-
app_dashboard.R -> Die Shiny Applikation, womit man die Korrelationen nachvollziehen kann
-
report.qmd -> Der von uns angefertigt Report zur Beantwortung der Forschungsfrage
-
Ordner Datenanalyse: Hier befindet sich das Quarto file welches wir für das Data Preprocessing und die Daten_Analyse verwendet haben.
-
Ordner Daten: Hier befinden sich sowohl die Input Daten (Daten_input) von OWID. Im Ordner Daten_cleaned befinden sich die .csv-Files die von data_analysis.qmd erstellt werden können.
Die anderen Dokumente und Ordner sind technischer Natur und haben für alle Business-User keinerlei Einfluss.
Wie erwähnt verwenden wir renv als Paket-Versionskontrollsystem. Beim ersten starten des Projekts muss deshalb renv global vorhanden sein (R Console install.packages("renv")) und mit renv:restore() die dependencies heruntergeladen werden. Die App (app_dashboard.R) ist anschliessend direkt lauffähig. Falls die Preprocessing / Analyse genauer angeschaut werden möchte kann dies im Ordner Datenanalyse nachvollzogen werden.