Teorija uzoraka i planiranje eksperimenata – LSMS Srbija 2007

U ovom radu korišćeni su podaci iz ankete Living Standards Measurement Study (LSMS), koju je u ime Svetske banke sproveo Republički zavod za statistiku u maju i junu 2007. godine na teritoriji Republike Srbije. Ova anketa pruža detaljne informacije o životnim uslovima, ekonomskim aktivnostima i demografskim karakteristikama stanovnika Srbije, a njen cilj je da pomogne u boljem razumevanju faktora koji utiču na socijalni i ekonomski status građana. Podaci iz LSMS-a omogućavaju analizu različitih aspekata života, a u ovom radu fokusiraću se na analizu mesečnih zarada, kako bih utvrdio koji faktori utiču na njihove varijacije u Srbiji i u kojoj meri svaki od njih doprinosi tim razlikama. Prosečna mesečna zarada korišćena je kao pokazatelj ekonomske situacije, pružajući uvid u životne uslove prosečnog stanovnika zemlje. Takođe, ukupne godišnje zarade predstavljaju značajan pokazatelj ekonomske situacije, jer direktno utiču na bruto domaći proizvod zemlje.

Anketna pitanja za odabrane varijable:

-plata: Neto prihod prethodnog meseca od glavnog posla

-obrazovanje: U upitniku je ispitanicima data ISCED skala, varijabla prekodirana tako da predstavlja godine obrazovanja

-obr3: Tri obrazovne kategorije (osnovna, srednja, visoka škola)

-starost: Godine ispitanika u trenutku anketiranja

-satiRada: Koliko sati je ispitanik radio na glavnom poslu u toku prethodne nedelje

-zene: dve kategorije (Zena, Muskarac)

-urban: dve kategorije (Grad, Selo)

-region: četiri kategorije (Beograd, Vojvodina, Zapadna Srbija i Šumadija, Južna i jugoistočna Srbija)

Struktura projekta

• TU.ipynb
  Glavni Jupyter notebook sa detaljno iskomentarisanim analizama i primenom svih metoda.
  Kroz ovaj fajl se vodi ceo tok seminara – od učitavanja podataka do zaključaka.

• TU.dta
  Sadrži podatke iz LSMS ankete za Srbiju (2007).
  Zadržane su samo relevantne varijable i zaposleni ispitanici.

• klase/ Folder koji sadrži sve Python klase korišćene u notebooku TUPA.ipynb.
  Klasni modeli su razdvojeni radi preglednosti i modularnosti:

  Fajl	Sadržaj
  Bootstrapping.py	Klasa za uzorkovanjem sa ponavljanjem
  ONK.py	Linearni regresioni model koji se trenira metodom Običnih Najmanjih Kvadrata
  Sampling.py	Klase za Prosti i Stratifikovani slučajni uzorak
  funkcije.py	Zajedničke funkcije: jb(), form()