Détecte et corrige le "heap effect" (attraction vers les âges ronds) fréquent dans les enquêtes africaines où les âges sont déclarés. Calcule l'indice de Whipple et l'indice de Myers pour évaluer la qualité.
Utilisation
standardiser_ages(
data,
var_age = "age",
methode = c("aucune", "interpolation", "united_nations"),
age_min = 0L,
age_max = 120L
)Arguments
- data
data.frame ou tibble — Données
- var_age
character — Nom de la variable d'âge
- methode
character — Méthode de correction :
"aucune"(diagnostic uniquement),"interpolation"(répartition uniforme autour des âges ronds),"united_nations"(méthode Nations Unies). Défaut : "aucune".- age_min
integer — Âge minimum valide. Défaut : 0.
- age_max
integer — Âge maximum valide. Défaut : 120.
Valeur de retour
Une liste avec :
- donnees
tibble avec âges corrigés si methode != "aucune"
- indice_whipple
numeric — Indice de Whipple (1 = parfait, > 1.05 = problème)
- indice_myers
numeric — Indice de Myers (0 = parfait)
- diagnostic
character — Évaluation de la qualité
Exemples
if (FALSE) { # \dontrun{
resultat <- standardiser_ages(donnees_rgph, "age")
cat("Indice de Whipple :", resultat$indice_whipple)
} # }