全民健康保險保險對象人數按類別性別年齡層 數位長期照護實務學習與實作課程 全民健康保險保險對象人數按類別性別年齡層 高服三甲 余修誼 高服三甲 李欣頻 產設三甲 李宣諺 產設三甲高偉銘

目錄 資料概述 03 R程式 01 04 02 敘述統計分析 小組心得

1 資料概述 Part 01

01 本資料來源：政府開放資料平台 資料集名稱：全民健康保險保險對象人數按類別性別年齡層統計 資料集描述: 全民健康保險保險對象人數按類別性別年齡層統計 主要欄位說明:  年月：年月，為數值資料，範圍201703~201806，每一季為一單位。 投保類目：分為五類投保類別，為類別資料。 性別：性別，分男性與女性，為類別資料。 年齡層：每五歲為一個區間，共17個區間，為類別資料。 投保人數：投保的人數，為數值資料。 被保險人數：被保險的人數，為數值資料。 眷屬人數：眷屬人數，為數值資料。 無遺失值

2 敘述統計分析 Part 02

02 201703-201806投保人數性別比例

02

02

02

02

02

02

02

02

02

02

3 R程式 Part 03

03 合併檔案 cancert <- NULL for (i in 1:6){ x <- paste("~/taiwan/taiwan",i,".csv",sep="") y <- read.csv(x, header = TRUE, sep =",",fileEncoding = 'UTF-8',colClasses = c("integer", "factor", "factor","factor", "integer", "integer")) cancert <- rbind(cancert,y) }

03 分析投保人數性別比例 (female<- sum(cancert$投保人數[cancert$性別 == "女"])) xtabs(投保人數~性別, cancert) (per_s <- round(prop.table(xtabs(投保人數~性別, cancert))*100,2)) barplot(per_s, main = "201703~201806投保人數性別比例", xlab = "性別", ylab = "百分比", ylim = c(0,70),col=rainbow(2))

03 分析投保人數年齡層比例 (taiwan<-xtabs(投保人數~年齡層, cancert)) names(taiwan) (per_s <- round(prop.table(xtabs(投保人數~年齡層, cancert))*100,2)) barplot(per_s, main = "201703~201806投保人數年齡層比例", xlab = "", ylab = "百分比", ylim = c(0,10),las=2,col=rainbow(17))

03 分析年齡層投保人數 ggplot(abc, aes(reorder(年齡層,-投保人數), 投保人數)) + geom_bar(stat="identity")+ ggtitle('201703~201806年齡層投保人數')+ theme(plot.title = element_text(hjust = 0.5,size = 20, face = "bold",colour='red'))+ theme(axis.text.x = element_text(angle = -90,vjust=0,hjust=1,colour='blue'))+ theme(axis.text.y = element_text(vjust=0.5,hjust=1,colour='green'))+ labs(x='年齡層',y='投保人數')+ theme(axis.title.x = element_text(face = "italic", color = "rosybrown"))+ theme(axis.title.y = element_text(face = "bold.italic", color = "royalblue"))

03 分析年齡層投保人數比例 ggplot(abc, aes(reorder(年齡層,-投保人數/sum(投保人數)), (投保人數/sum(投保人數)) * 100 )) + geom_bar(stat="identity", fill= 'indianred4')+ theme(axis.text.x = element_text(angle = -90,vjust=0,hjust=1))+ ggtitle('201703~201806年齡層投保人數比例')+ theme(plot.title = element_text(hjust = 0.5,size = 20, face = "bold",colour='navyblue'))+ labs(x='年齡層',y='百分比')+ theme(axis.text.y = element_text(vjust=0.5,hjust=1,colour='orangered4'))+ theme(axis.title.x = element_text(face = "italic", color = "rosybrown"))+ theme(axis.title.y = element_text(face = "bold.italic", color = "royalblue"))

03 男女投保人數曲線圖 plot(year.city$男,type='b',xaxt='n',xlab = '年月',ylab='投保人數',pch=15,ylim =c(11000000,13000000)) axis(side=1,at=1:nrow(year.city),labels = year.city$年月) lines(1:nrow(year.city),type='b',year.city$女, col="red",pch=20) legend(1,13000000,c("男","女"), col=c("black","red"), pch=c(15,20), lwd=c(1,1))

03 分析年齡層被保險人數比例 ggplot(abb, aes(reorder(年齡層,-被保險人數/sum(被保險人數)), (被保險人數/sum(被保險人數)) * 100 )) + geom_bar(stat="identity", fill= 'indianred4')+ theme(axis.text.x = element_text(angle = -90,vjust=0,hjust=1))+ ggtitle('201703~201806年齡層被保險人數比例')+ theme(plot.title = element_text(hjust = 0.5,size = 20, face = "bold",colour='navyblue'))+ labs(x='年齡層',y='百分比')+ theme(axis.text.y = element_text(vjust=0.5,hjust=1,colour='orangered4'))+ theme(axis.title.x = element_text(face = "italic", color = "rosybrown"))+ theme(axis.title.y = element_text(face = "bold.italic", color = "royalblue"))

03 分析被保險人數性別比例 (per_s <- round(prop.table(xtabs(被保險人數~性別, cancert))*100,2)) barplot(per_s, main = "201703~201806被保險人數性別比例", xlab = "性別", ylab = "百分比", ylim = c(0,70),col=rainbow(4))

03 性別投保人數趨勢 g.year.city<-aggregate(投保人數~年月+性別,cancert,sum) install.packages('zoo') library(zoo) g.year.city$年月 <- as.yearqtr(paste(g.year.city$年月,'01',sep=''),format = "%Y%m%d") ggplot(data=g.year.city,aes(年月,投保人數,colour=性別))+ geom_line()+ geom_point()+ labs(title='201703~201806投保人數',x='年月',y='人數')+ theme(plot.title = element_text(colour = "black", face = "bold",size = 16, hjust = 0.5))+ scale_color_manual(values=rainbow(nlevels(factor(g.year.city$性別))))+ scale_color_discrete(name = "性別")

03 各年齡層投保人數趨勢 ggg<-aggregate(投保人數~年月+年齡層,cancert,sum) library(zoo) ggg$年月 <- as.yearqtr(paste(ggg$年月,'01',sep=''),format = "%Y%m%d") ggplot(data=ggg,aes(年月,投保人數,colour=年齡層))+ geom_line()+ geom_point()+ labs(title='201703~201806各年齡層投保人數',x='年月',y='人數')+ theme(plot.title = element_text(colour = "black", face = "bold",size = 16, hjust = 0.5))+ scale_color_manual(values=rainbow(nlevels(factor(ggg$年齡層))))+ scale_color_discrete(name = "年齡層")

03 性別投保人數百分比圖 pie(xtabs(投保人數~性別, cancert),main='性別投保人數百分比圖',col=c('royalblue3','palevioletred'))

03 各年齡層投保人數百分比圖 pie(taiwan,main = '各年齡層投保人數百分比圖',col=rainbow(17))

4 小組心得 Part 04

04 小組心得 我們是第一次摸到R程式，是很新奇又很陌生，一堆密密麻麻的文字，竟然可以分析這麼多的資料，真的是非常神奇，但對我們第一次學習者來說要做出期中報告是滿困難的，從一開始甚麼都不會，然後慢慢摸索，跟老師約時間做討論，到現在做出來這個完整的報告出來，是非常有成就感的。很謝謝老師撥空出時間，能跟我們做討論，有細心也很有耐心的教會我們，辛苦老師了也謝謝老師。

謝謝聆聽 . . .