Great Deal! Get Instant $10 FREE in Account on First Order + 10% Cashback on Every Order Order Now

This assignment is suppose to be an R studio sheet which is then knited into an R markdown file and word doc. The instructions are attached in greater detail. It is for a linear Regression & Analysis...

1 answer below »
-Data Assignment -
A Case Study in R, with Communication and Visual Report
General Instructions:
· This data assignment is due on Wed. April 10 (end of day, 11:59 pm). After this time/date, there is a 50% penalty per day.
· This is an individual assignment. You need to complete it independently without help from anyone else.
· Once you put your name on it, you are responsible for all answers.
· Your statistical report should clearly demonstrate all steps of hypothesis test/confidence intervals. Interpretation of any statistical output is required and must accompany all calculations, especially those involving testing procedures and confidence intervals.
· Use R Markdown and knit your document as a word or pdf document. Projects where is code copied and pasted in Word will have a 50% penalty.
· Organize your R code script with comments into a report.
· Include interpretations of statistical analyses.
· Label each question properly, include headings.
· Use R/R Studio only. Projects solved in Excel will not be accepted.
· There is a page limit of about 10 pages for this report.
· START EARLY!
Score (out of 100):    _____________________________
NAME_____________________
Signature (I worked individually):___________________
USE CreditCard.csv data posted in Brightspace
Credit Card Company. A Business Analytics Lab Report.
Suppose you work for a credit card company and were assigned an analytics project for which you decided to apply regression analysis methods. Your supervisor asked you to investigate differences in credit card balance between males and females, differences in average balance between different ethnicities Caucasians, Asians and African Americans (AA) and address differences in credit card balances between ma
ied and non-ma
ied. In addition, you were also asked to investigate the effect of Income, Age, and Education on credit card balances.
The following observations for a number of potential customers were recorded and stored in a data file named “CreditCards”: balance (average credit card debt for a number of individuals), as well as quantitative predictors: age, education (years of education), marital Status (ma
ied or not), income (thousands of dollars), limit (credit limit). (Data file, “CreditCards.csv” is posted on Brightspace).
Please provide a self-contained managerial report to present your research findings. To help you organize your writing, I list some points below. For example, your report should incorporate full work on the items below.
1. Do an exploratory analysis of your data (know your data, variable types, generate visuals).
2. Generate a matrix scatterplot (with interpretation).
3. Propose a simple linear regression model to investigate Credit Card Balances between males and females, ignoring the other variables at the moment. Define any dummy variables that you use, interpret coefficient estimates in context, assess model utility using coefficient of determination, and the standard e
or. Clearly address the Question: Is there a significant difference between average card balances between males and females?
4. Suppose you want to investigate the relationship between credit card balance and ethnicity. Set up the regression model and thoroughly explain the model output and state conclusions derived from it. Is there any statistical evidence of a real difference in credit card balance between the ethnicities?
5. Suppose you want to investigate the relationship between credit card balance and marital status. Set up the regression model and thoroughly explain the model output and state conclusions. Is there any statistical evidence of a real difference in credit card balance between the ma
ied and non-ma
ied individuals?
6. Suppose you want to investigate the relationship between credit card balance and Income, Age, Education, Gender, Ethnicity and Marital status. Set up a regression model. Discuss this model and derive conclusions from it.
7. Suppose you would like to predict card balance for a new (unobserved case). Set your particular values for predictors. For example: 57 year old non-ma
ied Caucasian female customer with an income of 90,000 and 21 years of education (you do not need to use this example, pick your own). Find the interval designed to hold a fraction (95%) of the values of the response (credit card balance) for particular predictor values in this regression. Interpret.
8. Suppose your supervisor is asking about other possible insights, and a possibility of formulating interaction models, that may potentially contribute to his/her understanding of the market better. By doing quick model explorations with this data set, can you suggest other possibilities that might offer insightful analysis in the credit card business?

CreditCards
    Income    Limit    Age    Education    Gender    Ma
ied    Ethnicity    Balance
    14.891    3606    34    11    Male    Yes    Caucasian    333
    106.025    6645    82    15    Female    Yes    Asian    903
    104.593    7075    71    11    Male    No    Asian    580
    148.924    9504    36    11    Female    No    Asian    964
    55.882    4897    68    16    Male    Yes    Caucasian    331
    80.18    8047    77    10    Male    No    Caucasian    1151
    20.996    3388    37    12    Female    No    AA    203
    71.408    7114    87    9    Male    No    Asian    872
    15.125    3300    66    13    Female    No    Caucasian    279
    71.061    6819    41    19    Female    Yes    AA    1350
    63.095    8117    30    14    Male    Yes    Caucasian    1407
    15.045    1311    64    16    Male    No    Caucasian    0
    80.616    5308    57    7    Female    Yes    Asian    204
    43.682    6922    49    9    Male    Yes    Caucasian    1081
    19.144    3291    75    13    Female    No    AA    148
    20.089    2525    57    15    Female    Yes    AA    0
    53.598    3714    73    17    Female    Yes    AA    0
    36.496    4378    69    15    Female    Yes    Asian    368
    49.57    6384    28    9    Female    Yes    Asian    891
    42.079    6626    44    9    Male    No    Asian    1048
    17.7    2860    63    16    Female    No    Asian    89
    37.348    6378    72    17    Female    No    Caucasian    968
    20.103    2631    61    10    Male    Yes    AA    0
    64.027    5179    48    8    Male    Yes    AA    411
    10.742    1757    57    15    Female    No    Caucasian    0
    14.09    4323    25    16    Female    Yes    AA    671
    42.471    3625    44    12    Female    No    Caucasian    654
    32.793    4534    44    16    Male    No    AA    467
    186.634    13414    41    14    Female    Yes    AA    1809
    26.813    5611    55    16    Female    No    Caucasian    915
    34.142    5666    47    5    Female    Yes    Caucasian    863
    28.941    2733    43    16    Male    Yes    Asian    0
    134.181    7838    48    13    Female    No    Caucasian    526
    31.367    1829    30    10    Male    Yes    Caucasian    0
    20.15    2646    25    14    Female    Yes    Asian    0
    23.35    2558    49    12    Female    No    Caucasian    419
    62.413    6457    71    11    Female    Yes    Caucasian    762
    30.007    6481    69    9    Female    Yes    Caucasian    1093
    11.795    3899    25    10    Female    No    Caucasian    531
    13.647    3461    47    14    Male    Yes    Caucasian    344
    34.95    3327    54    14    Female    No    AA    50
    113.659    7659    66    15    Male    Yes    AA    1155
    44.158    4763    66    13    Female    Yes    Asian    385
    36.929    6257    24    14    Female    Yes    Asian    976
    31.861    6375    25    16    Female    Yes    Caucasian    1120
    77.38    7569    50    12    Female    Yes    Caucasian    997
    19.531    5043    64    16    Female    Yes    Asian    1241
    44.646    4431    49    15    Male    Yes    Caucasian    797
    44.522    2252    72    15    Male    Yes    Asian    0
    43.479    4569    49    13    Male    Yes    AA    902
    36.362    5183    49    15    Male    Yes    AA    654
    39.705    3969    27    20    Male    Yes    AA    211
    44.205    5441    32    12    Male    Yes    Caucasian    607
    16.304    5466    66    10    Male    Yes    Asian    957
    15.333    1499    47    9    Female    Yes    Asian    0
    32.916    1786    60    8    Female    Yes    Asian    0
    57.1    4742    79    18    Female    Yes    Asian    379
    76.273    4779    65    14    Female    Yes    Caucasian    133
    10.354    3480    70    17    Male    Yes    Caucasian    333
    51.872    5294    81    17    Female    No    Caucasian    531
    35.51    5198    35    20    Female    No    Asian    631
    21.238    3089    59    10    Female    No    Caucasian    108
    30.682    1671    77    7    Female    No    Caucasian    0
    14.132    2998    75    17    Male    No    Caucasian    133
    32.164    2937    79    15    Female    Yes    AA    0
    12    4160    28    14    Female    Yes    Caucasian    602
    113.829    9704    38    13    Female    Yes    Asian    1388
    11.187    5099    69    16    Female    No    AA    889
    27.847    5619    78    15    Female    Yes    Caucasian    822
    49.502    6819    55    14    Male    Yes    Caucasian    1084
    24.889    3954    75    12    Male    Yes    Caucasian    357
    58.781    7402    81    12    Female    Yes    Asian    1103
    22.939    4923    47    18    Female    Yes    Asian    663
    23.989    4523    31    15    Male    No    Caucasian    601
    16.103    5390    45    10    Female    Yes    Caucasian    945
    33.017    3180    28    16    Male    Yes    AA    29
    30.622    3293    68    16    Male    No    Caucasian    532
    20.936    3254    30    15    Female    No    Asian    145
    110.968    6662    45    11    Female    Yes    Caucasian    391
    15.354    2101    65    14    Male    No    Asian    0
    27.369    3449    40    9    Female    Yes    Caucasian    162
    53.48    4263    83    15    Male    No    Caucasian    99
    23.672    4433    63    11    Male    No    Caucasian    503
    19.225    1433    38    14    Female    No    Caucasian    0
    43.54    2906    69    11    Male    No    Caucasian    0
    152.298    12066    41    12    Female    Yes    Asian    1779
    55.367    6340    33    15    Male    Yes    Caucasian    815
    11.741    2271    59    12    Female    No    Asian    0
    15.56    4307    57    8    Male    Yes    AA    579
    59.53    7518    52    9    Female    No    AA    1176
    20.191    5767    42    16    Male    Yes    AA    1023
    48.498    6040    47    16    Male    Yes    Caucasian    812
    30.733    2832    51    13    Male    No    Caucasian    0
    16.479    5435    26    16    Male    No    AA    937
    38.009    3075    45    15    Female    No    AA    0
    14.084    855    46    17    Female    Yes    AA    0
    14.312    5382    59    17    Male    No    Asian    1380
    26.067    3388    74    17    Female    Yes    AA    155
    36.295    2963    68    14    Female    No    AA    375
    83.851    8494    47    18    Male    No    Caucasian    1311
    21.153    3736    41    11    Male    No    Caucasian    298
    17.976    2433    70    16    Female    No    Caucasian    431
    68.713    7582    56    16    Male    No    Caucasian    1587
    146.183    9540    66    15    Male    No    Caucasian    1050
    15.846    4768    53    12    Female    No    Caucasian    745
    12.031    3182    58    18    Female    Yes    Caucasian    210
    16.819    1337    74    15    Male    Yes    Asian    0
    39.11    3189    72    12    Male    No    Asian    0
    107.986    6033    64    14    Male    Yes    Caucasian    227
    13.561    3261    37    19    Male    Yes    Asian    297
    34.537    3271    57    17    Female    Yes    Asian    47
    28.575    2959    60    11    Female    No    AA    0
    46.007    6637    42    14    Male    Yes    Caucasian    1046
    69.251    6386    30    12    Female    Yes    Asian    768
    16.482    3326    41    15    Male    No    Caucasian    271
    40.442    4828    81    8    Female    No    AA    510
    35.177    2117    62    16    Female    No    Caucasian    0
    91.362    9113    47    17    Male    Yes    Asian    1341
    27.039    2161    40    17    Female    No    Caucasian    0
    23.012    1410    81    16    Male    No    Caucasian    0
    27.241    1402    67    15    Female    Yes    Asian    0
    148.08    8157    83    13    Male    Yes    Caucasian    454
    62.602    7056    84    11    Female    No    Caucasian    904
    11.808    1300    77    14    Female    No    AA    0
    29.564    2529    30    12    Female    Yes    Caucasian    0
    27.578    2531    34    15    Female    Yes    Caucasian    0
    26.427    5533    50    15    Female    Yes    Asian    1404
    57.202    3411    72    11    Female    No    Caucasian    0
    123.299    8376    89    17    Male    No    AA    1259
    18.145    3461    56    15    Male    Yes    AA    255
    23.793    3821    56    12    Female    Yes    AA    868
    10.726    1568    46    19    Male    Yes    Asian    0
    23.283    5443    49    13    Male    Yes    AA    912
    21.455    5829    80    12    Female    Yes    AA    1018
    34.664    5835    77    15    Female    Yes    AA    835
    44.473    3500    81    16    Female    No    AA    8
    54.663    4116    70    8    Female    No    AA    75
    36.355    3613    35    9    Male    Yes    Asian    187
    21.374    2073    74    11    Female    Yes    Caucasian    0
    107.841    10384    87    7    Male    No    AA    1597
    39.831    6045    32    12    Female    Yes    AA    1425
    91.876    6754    33    10    Male    Yes    Caucasian    605
    103.893    7416    84    17    Male    No    Asian    669
    19.636    4896    64    10    Female    No    AA    710
    17.392    2748    32    14    Male    Yes    Caucasian    68
    19.529    4673    51    14    Male    No    Asian    642
    17.055    5110    55    15    Female    Yes    Caucasian    805
    23.857    1501    56    16    Male    Yes    Caucasian    0
    15.184    2420    69    11    Female    Yes    Caucasian    0
    13.444    886    44    10    Male    Yes    Asian    0
    63.931    5728    28    14    Female    Yes    AA    581
    35.864    4831    66    13    Female    Yes    Caucasian    534
    41.419    2120    24    11    Female    No    Caucasian    156
    92.112    4612    32    17    Male    No    Caucasian    0
    55.056    3155    31    16    Male    Yes    AA    0
    19.537    1362    34    9    Female    Yes    Asian    0
    31.811    4284    75    13    Female    Yes    Caucasian    429
    56.256    5521    72    16    Female    Yes    Caucasian    1020
    42.357    5550    83    12    Female    Yes    Asian    653
    53.319    3000    53    13    Male    No    Asian    0
    12.238    4865    67    11    Female    No    Caucasian    836
    31.353    1705    81    14    Male    Yes    Caucasian    0
    63.809    7530    56    12    Male    Yes    Caucasian    1086
    13.676    2330    80    16    Female    No    AA    0
    76.782    5977    44    12    Male    Yes    Asian    548
    25.383    4527    46    11    Male    Yes    Caucasian    570
    35.691    2880    35    15    Male    No    AA    0
    29.403    2327    37    14    Female    Yes    Caucasian    0
    27.47    2820    32    11    Female    Yes    Asian    0
    27.33    6179    36    12    Female    Yes    Caucasian    1099
    34.772    2021    57    9    Male    No    Asian    0
    36.934    4270    63    9    Female    Yes    Caucasian    283
    76.348    4697    60    18    Male    No    Asian    108
    14.887    4745    58    12    Male    Yes    AA    724
    121.834    10673    54    16    Male    No    AA    1573
    30.132    2168    52    17    Male    No    Caucasian    0
    24.05    2607    32    18    Male    Yes    Caucasian    0
    22.379    3965    34    14    Female    Yes    Asian    384
    28.316    4391    29    10    Female    No    Caucasian    453
    58.026    7499    67    11    Female    No    Caucasian    1237
    10.635    3584    69    16    Male    Yes    Asian    423
    46.102    5180    81    12    Male    Yes    AA    516
    58.929    6420    66    9    Female    Yes    AA    789
    80.861    4090    29    15    Female    Yes    Asian    0
    158.889    11589    62    17    Female    Yes    Caucasian    1448
    30.42    4442    30    14    Female    No    AA    450
    36.472    3806    52    13    Male    No    AA    188
    23.365    2179    75    15    Male    No    Asian    0
    83.869    7667    83    11    Male    No    AA    930
    58.351    4411    85    16    Female    Yes    Caucasian    126
    55.187    5352    50    17    Female    Yes    Caucasian    538
    124.29    9560    52    17    Female    No    Asian    1687
    28.508    3933    56    14    Male    Yes    Asian    336
    130.209    10088    39    19    Female    Yes    Caucasian    1426
    30.406    2120    79    14    Male    Yes    AA    0
    23.883    5384    73    16    Female    Yes    AA    802
    93.039    7398    67    12    Male    Yes    AA    749
    50.699    3977    84    17    Female    No    AA    69
    27.349    2000    51    16    Female    Yes    AA    0
    10.403    4159    43    7    Male    Yes    Asian    571
    23.949    5343    40    18    Male    Yes    AA    829
    73.914    7333    67    15    Female    Yes    Caucasian    1048
    21.038    1448    58    13    Female    Yes    Caucasian    0
    68.206    6784    40    16    Female    No    AA    1411
    57.337    5310    45    7    Female    No    Caucasian    456
    10.793    3878    29    13    Male    No    Caucasian    638
    23.45    2450    78    13    Male    No    Caucasian    0
    10.842    4391    37    10    Female    Yes    Caucasian    1216
    51.345    4327    46    15    Male    No    AA    230
    151.947    9156    91    11    Female    Yes    AA    732
    24.543    3206    62    12    Female    Yes    Caucasian    95
    29.567    5309    25    15    Male    No    Caucasian    799
    39.145    4351    66    13    Male    Yes    Caucasian    308
    39.422    5245    44    19    Male    No    AA    637
    34.909    5289    62    16    Female    Yes    Caucasian    681
    41.025    4229    79    19    Female    Yes    Caucasian    246
    15.476    2762    60    18    Male    No    Asian    52
    12.456    5395    65    14    Male    Yes    Caucasian    955
    10.627    1647    71    10    Female    Yes    Asian    195
    38.954    5222    76    13    Female    No    Caucasian    653
    44.847    5765    53    13    Female    No    Asian    1246
    98.515    8760    78    11    Female    No    AA    1230
    33.437    6207    44    9    Male    No    Caucasian    1549
    27.512    4613    72    17    Male    Yes    Asian    573
    121.709    7818    50    6    Male    Yes    Caucasian    701
    15.079    5673    28    15    Female    Yes    Asian    1075
    59.879    6906    78    15    Female    No    Caucasian    1032
    66.989    5614    47    14    Female    Yes    Caucasian    482
    69.165    4668    34    11    Female    No    AA    156
    69.943    7555    76    9    Male    Yes    Asian    1058
    33.214    5137    59    9    Male    No    AA    661
    25.124    4776    29    12    Male    Yes    Caucasian    657
    15.741    4788    39    14    Male    Yes    Asian    689
    11.603    2278    71    11    Male    Yes    Caucasian    0
    69.656    8244    41    14    Male    Yes    AA    1329
    10.503    2923    25    18    Female    Yes    AA    191
    42.529    4986    37    11    Male    Yes    Asian    489
    60.579    5149    38    15    Male    Yes    Asian    443
    26.532    2910    58    19    Female    Yes    Caucasian    52
    27.952    3557    35    13    Female    Yes    Asian    163
    29.705    3351    71    14    Female    Yes    Asian    148
    15.602    906    36    11    Male    Yes    AA    0
    20.918    1233    47    18    Female    Yes    Asian    16
    58.165    6617    56    12    Female    Yes    Caucasian    856
    22.561    1787    66    15    Female    No    Caucasian    0
    34.509    2001    80    18    Female    Yes    AA    0
    19.588    3211    59    14    Female    No    Asian    199
    36.364    2220    50    19    Male    No    Caucasian    0
    15.717    905    38    16    Male    Yes    Caucasian    0
    22.574    1551    43    13    Female    Yes    Caucasian    98
    10.363    2430    47    18    Female    Yes    Asian    0
    28.474    3202    66    12    Male    Yes    Caucasian    132
    72.945    8603    64    8    Female    No    Caucasian    1355
    85.425    5182    60    12    Male    Yes    AA    218
    36.508    6386    79    6    Female    Yes    Caucasian    1048
    58.063    4221    50    8    Male    No    AA    118
    25.936    1774    71    14    Female    No    Asian    0
    15.629    2493    60    14    Male    Yes    Asian    0
    41.4    2561    36    14    Male    Yes    Caucasian    0
    33.657    6196    55    9    Female    No    Caucasian    1092
    67.937    5184    63    12    Male    Yes    Asian    345
    180.379    9310    67    8    Female    Yes    Asian    1050
    10.588    4049    66    13    Female    Yes    Caucasian    465
    29.725    3536    52    15    Female    No    AA    133
    27.999    5107    55    10    Male    Yes    Caucasian    651
    40.885    5013    46    13    Female    Yes    AA    549
    88.83    4952    86    16    Female    Yes    Caucasian    15
    29.638    5833    29    15    Female    Yes    Asian    942
    25.988    1349    82    12    Male    No    Caucasian    0
    39.055    5565    48    18    Female    Yes    Caucasian    772
    15.866    3085    39    13    Male    No    Caucasian    136
    44.978    4866    30    10    Female    No    Caucasian    436
    30.413    3690    25    15    Female    No    Asian    728
    16.751    4706    48    14    Male    No    Asian    1255
    30.55    5869    81    9    Female    No    AA    967
    163.329    8732    50    14    Male    Yes    Caucasian    529
    23.106    3476    50    15    Female    No    Caucasian    209
    41.532    5000    50    12    Male    Yes    Caucasian    531
    128.04    6982    78    11    Female    Yes    Caucasian    250
    54.319    3063    59    8    Female    No    Caucasian    269
    53.401    5319    35    12    Female    No    AA    541
    36.142    1852    33    13    Female    No    AA    0
    63.534    8100    50    17    Female    Yes    Caucasian    1298
    49.927    6396    75    17    Female    Yes    Caucasian    890
    14.711    2047    67    6    Male    Yes    Caucasian    0
    18.967    1626    41    11    Female    Yes    Asian    0
    18.036    1552    48    15    Female    No    Caucasian    0
    60.449    3098    69    8    Male    Yes    Caucasian    0
    16.711    5274    42    16    Female    Yes    Asian    863
    10.852    3907    30    9    Male    No    Caucasian    485
    26.37    3235    78    11    Male    Yes    Asian    159
    24.088    3665    56    13    Female    Yes    Caucasian    309
    51.532    5096    31    15    Male    Yes    Caucasian    481
    140.672    11200    46    9    Male    Yes    AA    1677
    42.915    2532    42    13    Male    Yes    Asian    0
    27.272    1389    67    10    Female    Yes    Caucasian    0
    65.896    5140    49    17    Female    Yes    Caucasian    293
    55.054    4381    74    17    Male    Yes    Asian    188
    20.791    2672    70    18    Female    No    AA    0
    24.919    5051    76    11    Female    Yes    AA    711
    21.786    4632    50    17    Male    Yes    Caucasian    580
    31.335    3526    38    7    Female    No    Caucasian    172
    59.855    4964    46    13    Female    Yes    Caucasian    295
    44.061    4970    79    11    Male    Yes    AA    414
    82.706    7506    64    13    Female    Yes    Asian    905
    24.46    1924    50    14    Female    Yes    Asian    0
    45.12    3762    80    8    Male    Yes    Caucasian    70
    75.406    3874    41    14    Female    Yes    Asian    0
    14.956    4640    33    6    Male    No    Asian    681
    75.257    7010    34    18    Female    Yes    Caucasian    885
    33.694    4891    52    16    Male    No    AA    1036
    23.375    5429    57    15    Female    Yes    Caucasian    844
    27.825    5227    63    11    Male    Yes    Caucasian    823
    92.386    7685    75    18    Female    Yes    Asian    843
    115.52    9272    69    14    Male    No    AA    1140
    14.479    3907    43    16    Male    Yes    Caucasian    463
    52.179    7306    57    14    Male    No    Asian    1142
    68.462    4712    71    16    Male    Yes    Caucasian    136
    18.951    1485    82    13    Female    No    Caucasian    0
    27.59    2586    54    16    Male    Yes    AA    0
    16.279    1160    78    13    Male    Yes    AA    5
    25.078    3096    27    15    Female    Yes    Caucasian    81
    27.229    3484    51    11    Male    No    Caucasian    265
    182.728    13913    98    17    Male    Yes    Caucasian    1999
    31.029    2863    66    17    Male    Yes    Asian    415
    17.765    5072    66    12    Female    Yes    Caucasian    732
    125.48    10230    82    16    Male    Yes    Caucasian    1361
    49.166    6662    68    14    Female    No    Asian    984
    41.192    3673    54    16    Female    Yes    Caucasian    121
    94.193    7576    44    16    Female    Yes    Caucasian    846
    20.405    4543    72    17    Male    No    Asian    1054
    12.581    3976    48    16    Male    Yes    Caucasian    474
    62.328    5228    83    15    Male    No    Caucasian    380
    21.011    3402    68    17    Male    Yes    AA    182
    24.23    4756    64    15    Female    Yes    Caucasian    594
    24.314    3409    23    7    Female    Yes    Caucasian    194
    32.856    5884    68    13    Male    No    Caucasian    926
    12.414    855    32    12    Male    Yes    AA    0
    41.365    5303    45    14    Male    No    Caucasian    606
    149.316    10278    80    16    Male    No    AA    1107
    27.794    3807    35    8    Female    Yes    AA    320
    13.234    3922    77    17    Female    Yes    Caucasian    426
    14.595    2955    37    9    Male    Yes    AA    204
    10.735    3746    44    17    Female    Yes    Caucasian    410
    48.218    5199    39    10    Male    Yes    Asian    633
    30.012    1511    33    17    Male    Yes    Caucasian    0
    21.551    5380    51    18    Male    Yes    Asian    907
    160.231    10748    69    17    Male    No    Caucasian    1192
    13.433    1134    70    14    Male    Yes    Caucasian    0
    48.577    5145    71    13    Female    Yes    Asian    503
    30.002    1561    70    13    Female    Yes    Caucasian    0
    61.62    5140    71    9    Male    Yes    Caucasian    302
    104.483    7140    41    14    Male    Yes    AA    583
    41.868    4716    47    18    Male    No    Caucasian    425
    12.068    3873    44    18    Female    Yes    Asian    413
    180.682    11966    58    8    Female    Yes    AA    1405
    34.48    6090    36    14    Male    No    Caucasian    962
    39.609    2539    40    14    Male    Yes    Asian    0
    30.111    4336    81    18    Male    Yes    Caucasian    347
    12.335    4471    79    12    Male    Yes    AA    611
    53.566    5891    82    10    Female    No    Caucasian    712
    53.217    4943    46    16    Female    Yes    Asian    382
    26.162    5101    62    19    Female    No    AA    710
    64.173    6127    80    10    Male    Yes    Caucasian    578
    128.669    9824    67    16    Male    Yes    Asian    1243
    113.772    6442    69    15    Male    Yes    Caucasian    790
    61.069    7871    56    14    Male    Yes    Caucasian    1264
    23.793    3615    70    14    Male    No    AA    216
    89    5759    37    6    Female    No    Caucasian    345
    71.682    8028    57    16    Male    Yes    Caucasian    1208
    35.61    6135    40    12    Male    No    Caucasian    992
    39.116    2150    75    15    Male    No    Caucasian    0
    19.782    3782    46    16    Female    No    Caucasian    840
    55.412    5354    37    16    Female    Yes    Caucasian    1003
    29.4    4840    76    18    Female    Yes    Caucasian    588
    20.974    5673    44    16    Female    Yes    Caucasian    1000
    87.625    7167    46    10    Female    No    AA    767
    28.144    1567    51    10    Male    Yes    Caucasian    0
    19.349    4941    33    19    Male    Yes    Caucasian    717
    53.308    2860    84    10    Male    Yes    Caucasian    0
    115.123    7760    83    14    Female    No    AA    661
    101.788    8029    84    11    Male    Yes    Caucasian    849
    24.824    5495    33    9    Male    No    Caucasian    1352
    14.292    3274    64    9    Male    Yes    Caucasian    382
    20.088    1870    76    16    Male    No    AA    0
    26.4    5640    58    15    Female    No    Asian    905
    19.253    3683    57    10    Male    No    AA    371
    16.529    1357    62    9    Male    No    Asian    0
    37.878    6827    80    13    Female    No    Caucasian    1129
    83.948    7100    44    18    Male    No    Caucasian    806
    135.118    10578    81    15    Female    Yes    Asian    1393
    73.327    6555    43    15    Female    No    Caucasian    721
    25.974    2308    24    10    Male    No    Asian    0
    17.316    1335    65    13    Male    No    AA    0
    49.794    5758    40    8    Male    No    Caucasian    734
    12.096    4100    32    13    Male    Yes    Caucasian    560
    13.364    3838    65    17    Male    No    AA    480
    57.872    4171    67    12    Female    Yes    Caucasian    138
    37.728    2525    44    13    Male    Yes    Caucasian    0
    18.701    5524    64    7    Female    No    Asian    966
Answered 4 days After Apr 02, 2024

Solution

Mukesh answered on Apr 07 2024
7 Votes
Credit Card Company. A Business Analytics Lab Report.
Credit Card Company. A Business Analytics Lab Report.
ABC
2024-04-06
About project
Suppose you work for a credit card company and were assigned an analytics project for which you decided to apply regression analysis methods. Your supervisor asked you to investigate differences in credit card balance between males and females, differences in average balance between different ethnicities Caucasians, Asians and African Americans (AA) and address differences in credit card balances between ma
ied and non-ma
ied. In addition, you were also asked to investigate the effect of Income, Age, and Education on credit card balances.The following observations for a number of potential customers were recorded and stored in a data file named “CreditCards”: balance (average credit card debt for a number of individuals), as well as quantitative predictors: age, education (years of education), marital Status (ma
ied or not), income (thousands of dollars), limit (credit limit). (Data file, “CreditCards.csv” is posted on Brightspace).
li
ary(readxl)
li
ary(tidyverse)
li
ary(dplyr)
li
ary(ggplot2)
li
ary(GGally)
# Step 1: Load data and perform exploratory data analysis
credit <- read_excel("C:/Users/vishw/Downloads/creditcards-kbg2csvx.xlsx")
# Assuming 'credit' is your data frame, you can use mutate_at to convert multiple columns to factors
credit <- credit %>%
mutate_at(vars(Gender, Ma
ied, Ethnicity), as.factor)
# Structure of data
str(credit)
## ti
le [400 × 8] (S3: tbl_df/tbl/data.frame)
## $ Income : num [1:400] 14.9 106 104.6 148.9 55.9 ...
## $ Limit : num [1:400] 3606 6645 7075 9504 4897 ...
## $ Age : num [1:400] 34 82 71 36 68 77 37 87 66 41 ...
## $ Education: num [1:400] 11 15 11 11 16 10 12 9 13 19 ...
## $ Gender : Factor w/ 2 levels "Female","Male": 2 1 2 1 2 2 1 2 1 1 ...
## $ Ma
ied : Factor w/ 2 levels "No","Yes": 2 2 1 1 2 1 1 1 1 2 ...
## $ Ethnicity: Factor w/ 3 levels "AA","Asian","Caucasian": 3 2 2 2 3 3 1 2 3 1 ...
## $ Balance : num [1:400] 333 903 580 964 331 ...
1. Do an exploratory analysis of your data (know your data, variable types, generate visuals).
# Summary of data set
summary(credit)
## Income Limit Age Education Gender
## Min. : 10.35 Min. : 855 Min. :23.00 Min. : 5.00 Female:207
## 1st Qu.: 21.01 1st Qu.: 3088 1st Qu.:41.75 1st Qu.:11.00 Male :193
## Median : 33.12 Median : 4622 Median :56.00 Median :14.00
## Mean : 45.22 Mean : 4736 Mean :55.67 Mean :13.45
## 3rd Qu.: 57.47 3rd Qu.: 5873 3rd Qu.:70.00 3rd Qu.:16.00
## Max. :186.63 Max. :13913 Max. :98.00 Max. :20.00
## Ma
ied Ethnicity Balance
## No :155 AA : 99 Min. : 0.00
## Yes:245 Asian :102 1st Qu.: 68.75
## Caucasian:199 Median : 459.50
## Mean : 520.01
## 3rd Qu.: 863.00
## Max. :1999.00
Create bar chart for Gende
ggplot(credit, aes(x = Gender)) +
geom_bar(fill =...
SOLUTION.PDF

Answer To This Question Is Available To Download

Related Questions & Answers

More Questions »

Submit New Assignment

Copy and Paste Your Assignment Here