posts/explore-AU-road-fatalities.mdwn

   1 [[!meta date="2017-10-10 16:56:56 +0800"]]
   2 [[!tag R analysis]]
   3
   4 Road fatalities in Australia
   5 ----------------------------
   6
   7 Recently inspired to doing a little analysis again, I landed on a
   8 dataset from
   9 <https://bitre.gov.au/statistics/safety/fatal_road_crash_database.aspx>,
  10 which I downloaded on 5 Oct 2017. Having open datasets for data is a
  11 great example of how governments are moving with the times!
  12
  13 Trends
  14 ------
  15
  16 I started by looking at the trends - what is the approximate number of
  17 road fatalities a year, and how is it evolving over time? Are there any
  18 differences noticeable between states? Or by gender?
  19
  20 [[Overall trend line|/pics/explore-AU-road-fatalities_files/fatalitiesTrends-1.png]][[Trend lines by Australian state|/pics/explore-AU-road-fatalities_files/fatalitiesTrends-2.png]][[Trend lines by gender|/pics/explore-AU-road-fatalities_files/fatalitiesTrends-3.png]]
  21
  22 What age group is most at risk in city traffic?
  23 -----------------------------------------------
  24
  25 Next, I wondered if there were any particular ages that were more at
  26 risk in city traffic. I opted to quickly bin the data to produce a
  27 histogram.
  28
  29     fatalities %>%
  30       filter(Year != 2017, Speed_Limit <= 50) %>%
  31       ggplot(aes(x=Age))+
  32       geom_histogram(binwidth = 5) +
  33       labs(title = "Australian road fatalities by age group",
  34            y = "Fatalities") +
  35       theme_economist()
  36
  37     ## Warning: Removed 2 rows containing non-finite values (stat_bin).
  38
  39 [[histogram|/pics/explore-AU-road-fatalities_files/fatalities.cityTraffic-1.png]]
  40
  41 Hypothesis
  42 ----------
  43
  44 Based on the above, I wondered - are people above 65 more likely to die
  45 in slow traffic areas? To make this a bit easier, I added two variables
  46 to the dataset - one splitting people in younger and older than 65, and
  47 one based on the speed limit in the area of the crash being under or
  48 above 50 km per hour - city traffic or faster in Australia.
  49
  50     fatalities.pensioners <- fatalities %>%
  51       filter(Speed_Limit <= 110) %>% # less than 2% has this - determine why
  52       mutate(Pensioner = if_else(Age >= 65, TRUE, FALSE)) %>%
  53       mutate(Slow_Traffic = ifelse(Speed_Limit <= 50, TRUE, FALSE)) %>%
  54       filter(!is.na(Pensioner))
  55
  56 To answer the question, I produce a density plot and a boxplot.
  57
  58 [[density plot|/pics/explore-AU-road-fatalities_files/fatalitiesSegmentation-1.png]][[box plot|/pics/explore-AU-road-fatalities_files/fatalitiesSegmentation-2.png]]
  59
  60 Some further statistical analysis does confirm the hypothesis!
  61
  62     # Build a contingency table and perform prop test
  63     cont.table <- table(select(fatalities.pensioners, Slow_Traffic, Pensioner))
  64     cont.table
  65
  66     ##             Pensioner
  67     ## Slow_Traffic FALSE  TRUE
  68     ##        FALSE 36706  7245
  69     ##        TRUE   1985   690
  70
  71     prop.test(cont.table)
  72
  73     ##
  74     ##  2-sample test for equality of proportions with continuity
  75     ##  correction
  76     ##
  77     ## data:  cont.table
  78     ## X-squared = 154.11, df = 1, p-value < 2.2e-16
  79     ## alternative hypothesis: two.sided
  80     ## 95 percent confidence interval:
  81     ##  0.07596463 0.11023789
  82     ## sample estimates:
  83     ##    prop 1    prop 2
  84     ## 0.8351573 0.7420561
  85
  86     # Alternative approach to using prop test
  87     pensioners <- c(nrow(filter(fatalities.pensioners, Slow_Traffic == TRUE, Pensioner == TRUE)), nrow(filter(fatalities.pensioners, Slow_Traffic == FALSE, Pensioner == TRUE)))
  88     everyone <- c(nrow(filter(fatalities.pensioners, Slow_Traffic == TRUE)), nrow(filter(fatalities.pensioners, Slow_Traffic == FALSE)))
  89     prop.test(pensioners,everyone)
  90
  91     ##
  92     ##  2-sample test for equality of proportions with continuity
  93     ##  correction
  94     ##
  95     ## data:  pensioners out of everyone
  96     ## X-squared = 154.11, df = 1, p-value < 2.2e-16
  97     ## alternative hypothesis: two.sided
  98     ## 95 percent confidence interval:
  99     ##  0.07596463 0.11023789
 100     ## sample estimates:
 101     ##    prop 1    prop 2
 102     ## 0.2579439 0.1648427
 103
 104 Conclusion
 105 ----------
 106
 107 It's possible to conclude older people are over-represented in the
 108 fatalities in lower speed zones. Further ideas for investigation are
 109 understanding the impact of the driving age limit on the fatalities -
 110 the position in the car of the fatalities (driver or passenger) was not
 111 yet considered in this quick look at the contents of the dataset.
 112
 113 [[quantile-quantile plot|/pics/explore-AU-road-fatalities_files/fatalitiesDistComp-1.png]]