Pobieranie wartości wskaźników
Poniżej zapoznamy się z:
- wyszukiwaniem pożądanych wskaźników w grupie danych wskaźniki
- pobieraniem wartości pożądanych wskaźników z grupy danych wartości wskaźnków
- dołączaniem do wartości wskaźników informacji o szkołach i odfiltrowywanie pobieranych danych do wybranego zakresu, np. po typie szkoły, województwie, itp. (grupa danych szkoły)
pobierz_wskazniki()pobierz_wartosci_wskaznikow()pobierz_szkoly()
Zacznijmy od załadowania pakietu ZPD i połączenia się z bazą danych: ]
# devtools::install_github('zozlak/ZPD')
# importujemy pakiet ZPD i nawiązujemy połączenie z bazą danych IBE
library(ZPD)
src = polacz()
# do tworzenia wykresów przyda nam się biblioteka ggplot2
# więcej informacji na jego temat można znaleźć na stronie: http://www.cookbook-r.com
library(ggplot2)Punktem wyjścia do pobrania wskaźników EWD/PWE dla szkół jest ustalenie, jaki dokładnie wskaźnik chcemy pobrać, występują one bowiem w wielu odmianach ze względu na rodzaj egzaminu (sprawdzian/egzamin gimnazjalny/matura), część egzaminu, typ szkoły, itp.
W tym celu przeanalizujemy zawartość zbioru danych wskaźniki
Na początek pobierzemy cały zbiór danych wskazniki.
O ile nie jest to zalecane w przypadku większości zasobów bazy, w tym wypadku jest on na tyle mały, że nie będzie to stanowić problemu.
wskazniki_all = pobierz_wskazniki(src) %>%
collect()Podejrzyjmy teraz pierwsze kilka wierszy pobranego zbioru:
wskazniki_all## Source: local data frame [394 x 12]
##
## rodzaj_wsk wskaznik okres wsk_do_prezentacji skrot
## (chr) (chr) (int) (lgl) (chr)
## 1 pwe paou_sp_war 1 TRUE sprawdzian
## 2 pwe paou_sp_war 1 TRUE sprawdzian
## 3 pwe paou_sp_war 1 TRUE sprawdzian
## 4 pwe paou_sp_war 1 TRUE sprawdzian
## 5 pwe paou_sp_war 1 TRUE sprawdzian
## 6 pwe paou_sp_war 1 TRUE sprawdzian
## 7 pwe paou_sp_war 1 TRUE sprawdzian
## 8 pwe paou_sp_war 1 TRUE sprawdzian
## 9 pwe paou_sp_war 1 TRUE sprawdzian
## 10 pwe paou_sp_war 1 TRUE sprawdzian
## .. ... ... ... ... ...
## Variables not shown: opis_wsk (chr), rok_do (int), typ_szkoly (chr),
## rodzaj_egzaminu (chr), czesc_egzaminu (chr), id_skali (int), skalowanie
## (int)
Jak widzimy, ma on 210 obserwacji i 12 zmiennych.
Opis poszczególnych zmiennych znajdziemy na tej stronie.
Zmienne te będą nam służyć do późniejszego filtrowania wyników znajdujących się w bazie danych.
Sprawdźmy jakie wartości przyjmują wybrane zmienne:
unique(wskazniki_all$rodzaj_wsk)## [1] "pwe" "ewd"
unique(wskazniki_all$rodzaj_egzaminu)## [1] "sprawdzian" "matura" "egzamin gimnazjalny"
unique(wskazniki_all$typ_szkoly)## [1] "SP" "TU" "T" "LP" "LOU" "LO" "gimn."
unique(wskazniki_all$czesc_egzaminu)## [1] "" "j. angielski podstawowa"
## [3] "matematyka podstawowa" "j. polski podstawowa"
## [5] "historia podstawowa" "WOS podstawowa"
## [7] "biologia podstawowa" "chemia podstawowa"
## [9] "fizyka podstawowa" "geografia podstawowa"
## [11] "informatyka podstawowa" NA
## [13] "j. polski rozszerzona" "historia rozszerzona"
## [15] "WOS rozszerzona" "matematyka rozszerzona"
## [17] "biologia rozszerzona" "chemia rozszerzona"
## [19] "fizyka rozszerzona" "geografia rozszerzona"
## [21] "informatyka rozszerzona" "humanistyczna"
## [23] "historia i WOS" "j. polski"
## [25] "matematyczno-przyrodnicza" "matematyka"
## [27] "przedmioty przyrodnicze"
unique(wskazniki_all$okres) # okres == 1 dla PWE i okres == 2 lub 3 dla EWD## [1] 1 3
Zmienna wskaznik w zbiorze danych wskazniki to identyfikator oszacowania PWE lub EWD, którego opis znajdziemy w zmiennej opis_wsk:
unique(wskazniki_all$wskaznik)## [1] "paou_sp_war" "paou_m_ang_war" "paou_m_mat_war" "mlh_tl_wgr"
## [5] "mlmp_tl_wgr" "mlm_tl_wgr" "mlp_tl_wgr" "mth_tl_wgr"
## [9] "mtmp_tl_wgr" "mtm_tl_wgr" "mtp_tl_wgr" "gh_2015"
## [13] "gh_h_2015" "gh_p_2015" "gm_2015" "gm_m_2015"
## [17] "gm_p_2015" "paou_gh_war" "paou_gmp_war"
Korzystając z opisanych powyżej zmiennych możemy odpowiednio filtrować ramkę danych w poszukiwaniu interesującego nas wskaźnika.
W tym celu przydatne będą funkcje filter(), select() oraz arrange() omawiane na wcześniejszym warsztacie.
Dodatkowo, możemy skorzystać z funkcji distinct(), która usuwa ze zbioru danych duplikaty.
Spróbujmy zatem wyszukać wybrane wskaźniki PWE/EWD:
- Wskaźniki PWE dla sprawdzianu (takie jak w serwisie internetowym):
wskazniki_all %>%
filter(
rodzaj_wsk == "pwe",
rodzaj_egzaminu == "sprawdzian"
) %>%
arrange(rok_do, skrot) %>%
select(rodzaj_wsk, wskaznik, okres, wsk_do_prezentacji, skrot, rok_do, typ_szkoly, rodzaj_egzaminu, czesc_egzaminu)## Source: local data frame [12 x 9]
##
## rodzaj_wsk wskaznik okres wsk_do_prezentacji skrot rok_do
## (chr) (chr) (int) (lgl) (chr) (int)
## 1 pwe paou_sp_war 1 TRUE sprawdzian 2002
## 2 pwe paou_sp_war 1 TRUE sprawdzian 2003
## 3 pwe paou_sp_war 1 TRUE sprawdzian 2004
## 4 pwe paou_sp_war 1 TRUE sprawdzian 2005
## 5 pwe paou_sp_war 1 TRUE sprawdzian 2006
## 6 pwe paou_sp_war 1 TRUE sprawdzian 2007
## 7 pwe paou_sp_war 1 TRUE sprawdzian 2008
## 8 pwe paou_sp_war 1 TRUE sprawdzian 2009
## 9 pwe paou_sp_war 1 TRUE sprawdzian 2010
## 10 pwe paou_sp_war 1 TRUE sprawdzian 2011
## 11 pwe paou_sp_war 1 TRUE sprawdzian 2012
## 12 pwe paou_sp_war 1 TRUE sprawdzian 2013
## Variables not shown: typ_szkoly (chr), rodzaj_egzaminu (chr),
## czesc_egzaminu (chr)
Jak widać w tym wypadku mamy do czynienia z jednym wskaźnikiem (zmienna wskaznik) paou_sp, który występuje dla lat 2002-2013.
- Wskaźniki EWD dla matury z języka polskiego:
wskazniki_all %>%
filter(
rodzaj_wsk == "ewd",
wsk_do_prezentacji == TRUE,
rodzaj_egzaminu == "matura",
czesc_egzaminu %in% c("j. polski podstawowa", "j. polski rozszerzona")
) %>%
arrange(rok_do, skrot) %>%
select(rodzaj_wsk, wskaznik, okres, wsk_do_prezentacji, skrot, rok_do, typ_szkoly, rodzaj_egzaminu, czesc_egzaminu)## Source: local data frame [24 x 9]
##
## rodzaj_wsk wskaznik okres wsk_do_prezentacji skrot rok_do
## (chr) (chr) (int) (lgl) (chr) (int)
## 1 ewd mlh_tl_wgr 3 TRUE humanistyczny 2012
## 2 ewd mth_tl_wgr 3 TRUE humanistyczny 2012
## 3 ewd mlh_tl_wgr 3 TRUE humanistyczny 2012
## 4 ewd mth_tl_wgr 3 TRUE humanistyczny 2012
## 5 ewd mlp_tl_wgr 3 TRUE język polski 2012
## 6 ewd mtp_tl_wgr 3 TRUE język polski 2012
## 7 ewd mlp_tl_wgr 3 TRUE język polski 2012
## 8 ewd mtp_tl_wgr 3 TRUE język polski 2012
## 9 ewd mlh_tl_wgr 3 TRUE humanistyczny 2013
## 10 ewd mth_tl_wgr 3 TRUE humanistyczny 2013
## .. ... ... ... ... ... ...
## Variables not shown: typ_szkoly (chr), rodzaj_egzaminu (chr),
## czesc_egzaminu (chr)
W tym wypadku mamy do czynienia z 4 różnymi wskaźnikami (zmienna wskaznik):
- mlh_tl_wgr (wskaźnik humanistyczny dla LO),
- mth_tl_wgr (wskaźnik humanistyczny dla techników),
- mlp_tl_wgr (wskaźnik dla j. polskiego dla LO),
- mtp_tl_wgr (wskaźnik dla j. polskiego dla T).
Przy czym każdy z nich występuje dla 3 okresów: 2010-2012, 2011-2013, 2012-2014 (patrz kombinacje zmiennych rok_do oraz okres).
Umiejąc znaleźć interesujące nas wskaźniki, możemy przejść do pobierania ich wartości.
Znając identyfikator wskaźnika, który chcemy pobrać (wartość zmiennej wskaznik w grupie danych wskaźniki), możemy pobrać z bazy jego wartości.
Znajdują się one w grupie danych wartości wskaźnków, a do ich pobrania służy funkcja pobierz_wartosci_wskaznikow().
Pobierzmy np. wartości wskaźnika paou_sp (PWE dla sprawdzianu):
pwe_spr = pobierz_wartosci_wskaznikow(src) %>%
filter(wskaznik == 'paou_sp')
pwe_spr## Source: postgres 9.4.4 [[email protected]:5432/ewd]
## From: <derived table> [?? x 31]
## Filter: wskaznik == "paou_sp"
##
## id_ww rodzaj_wsk wskaznik okres_wsk rok_do id_szkoly rok
## (int) (chr) (chr) (chr) (int) (int) (int)
## 1 10233 pwe paou_sp 2002 2002 40417 2002
## 2 42055 pwe paou_sp 2002 2002 40418 2002
## 3 42056 pwe paou_sp 2002 2002 40419 2002
## 4 42057 pwe paou_sp 2002 2002 40420 2002
## 5 42058 pwe paou_sp 2002 2002 40421 2002
## 6 42059 pwe paou_sp 2002 2002 40423 2002
## 7 42060 pwe paou_sp 2002 2002 40424 2002
## 8 42061 pwe paou_sp 2002 2002 40425 2002
## 9 42062 pwe paou_sp 2002 2002 40426 2002
## 10 42063 pwe paou_sp 2002 2002 40432 2002
## .. ... ... ... ... ... ... ...
## Variables not shown: poziom_agregacji (chr), teryt_jst (int), gmina_jst
## (chr), powiat_jst (chr), wojewodztwo_jst (chr), pomin (lgl), kategoria
## (int), wyswietlaj (lgl), komunikat (chr), srednia (dbl), bs (dbl), q1
## (dbl), mediana (dbl), q3 (dbl), min (dbl), max (dbl), ewd (dbl), bs_ewd
## (dbl), trend_ewd (dbl), bs_trend_ewd (dbl), korelacja (dbl), lu (int),
## lu_ewd (int), lu_wszyscy (int)
Zamiast podawać nazwę wskaźnika ręcznie, możemy dokonać odfiltrowania za pomocą funkcji semi_join() i odfiltrowanej wcześniej grupy danych wskaźniki:
# wyszukujemy wskaźnik PWE dla sprawdzianu
wskaznik_spr = pobierz_wskazniki(src) %>%
filter(
rodzaj_wsk == "pwe",
rodzaj_egzaminu == "sprawdzian"
)
wskaznik_spr %>%
select(wskaznik) %>%
distinct() # podglądamy nazwę wskaźnika## Source: postgres 9.4.4 [[email protected]:5432/ewd]
## From: <derived table> [?? x 1]
##
## wskaznik
## (chr)
## 1 paou_sp_war
## .. ...
pwe_spr = pobierz_wartosci_wskaznikow(src) %>%
semi_join(wskaznik_spr)
pwe_spr## Source: postgres 9.4.4 [[email protected]:5432/ewd]
## From: <derived table> [?? x 31]
##
## id_ww rodzaj_wsk wskaznik okres_wsk rok_do id_szkoly rok
## (int) (chr) (chr) (chr) (int) (int) (int)
## 1 2318686 pwe paou_sp_war 2004 2004 NA 2004
## 2 2318687 pwe paou_sp_war 2004 2004 NA 2004
## 3 2318688 pwe paou_sp_war 2004 2004 NA 2004
## 4 2318689 pwe paou_sp_war 2004 2004 NA 2004
## 5 2318690 pwe paou_sp_war 2004 2004 NA 2004
## 6 2318691 pwe paou_sp_war 2004 2004 NA 2004
## 7 2318692 pwe paou_sp_war 2004 2004 NA 2004
## 8 2318693 pwe paou_sp_war 2004 2004 NA 2004
## 9 2318694 pwe paou_sp_war 2004 2004 NA 2004
## 10 2318695 pwe paou_sp_war 2004 2004 NA 2004
## .. ... ... ... ... ... ... ...
## Variables not shown: poziom_agregacji (chr), teryt_jst (int), gmina_jst
## (chr), powiat_jst (chr), wojewodztwo_jst (chr), pomin (lgl), kategoria
## (int), wyswietlaj (lgl), komunikat (chr), srednia (dbl), bs (dbl), q1
## (dbl), mediana (dbl), q3 (dbl), min (dbl), max (dbl), ewd (dbl), bs_ewd
## (dbl), trend_ewd (dbl), bs_trend_ewd (dbl), korelacja (dbl), lu (int),
## lu_ewd (int), lu_wszyscy (int)
Spróbujmy teraz zwizualizować wyniki dla województw w sposób analogiczny do tego, jak w serwisie internetowym PWE: (95% przedziały ufności własności średniej, co odpowiada +/- 1,96 * błąd standardowy)
# odfiltrowujemy dane województw
# i ograniczamy się do zmiennych: rok, województwo, srednia i bs
pwe_spr_woj = pwe_spr %>%
filter(poziom_agregacji == "województwo") %>%
select(rok, wojewodztwo_jst, srednia, bs) %>%
collect()
ggplot(pwe_spr_woj, aes(x = rok, y = srednia, color = wojewodztwo_jst, fill = wojewodztwo_jst)) +
geom_line(size=.5) +
geom_ribbon(aes(ymin = srednia - 1.96 * bs, ymax = srednia + 1.96 * bs), alpha = 0.2, colour = NA) +
scale_x_continuous(breaks = 2002:2013) +
ggtitle("PWE dla sprawdzianu na przestrzeni lat") +
ylim(94, 104) +
geom_hline(aes(yintercept = 100), linetype = "dashed")
Podobnie możemy pobrać np. wskaźniki PWE dla części humanistycznej egzaminu gimnazjalnego dla powiatów z województwa pomorskiego:
# wyszukujemy wskaźnik PWE dla części humanistycznej egzaminu gimnazjalnego
wskaznik_gh = pobierz_wskazniki(src) %>%
filter(
rodzaj_wsk == "pwe",
rodzaj_egzaminu == "egzamin gimnazjalny",
czesc_egzaminu == "humanistyczna"
)
wskaznik_gh %>%
select(wskaznik) %>%
distinct() # podglądamy nazwę wskaźnika## Source: postgres 9.4.4 [[email protected]:5432/ewd]
## From: <derived table> [?? x 1]
##
## wskaznik
## (chr)
## 1 paou_gh_war
## .. ...
# pobieramy wartości wskaźnika odfiltrowując tylko powiaty w woj. pomorskim
# (wskaźnik odfiltrowujemy złączając z pobraną przed chwilą nazwą wskaźnika)
pwe_gh_pomorskie = pobierz_wartosci_wskaznikow(src) %>%
semi_join(wskaznik_gh) %>%
filter(
wojewodztwo_jst == 'pomorskie',
poziom_agregacji == 'powiat'
) %>%
collect()
pwe_gh_pomorskie## Source: local data frame [240 x 31]
##
## id_ww rodzaj_wsk wskaznik okres_wsk rok_do id_szkoly rok
## (int) (chr) (chr) (chr) (int) (int) (int)
## 1 2792387 pwe paou_gh_war 2008 2008 NA 2008
## 2 2792388 pwe paou_gh_war 2008 2008 NA 2008
## 3 2792389 pwe paou_gh_war 2008 2008 NA 2008
## 4 2792390 pwe paou_gh_war 2008 2008 NA 2008
## 5 2792391 pwe paou_gh_war 2008 2008 NA 2008
## 6 2792392 pwe paou_gh_war 2008 2008 NA 2008
## 7 2792393 pwe paou_gh_war 2008 2008 NA 2008
## 8 2792394 pwe paou_gh_war 2008 2008 NA 2008
## 9 2792395 pwe paou_gh_war 2008 2008 NA 2008
## 10 2792396 pwe paou_gh_war 2008 2008 NA 2008
## .. ... ... ... ... ... ... ...
## Variables not shown: poziom_agregacji (chr), teryt_jst (int), gmina_jst
## (chr), powiat_jst (chr), wojewodztwo_jst (chr), pomin (lgl), kategoria
## (int), wyswietlaj (lgl), komunikat (chr), srednia (dbl), bs (dbl), q1
## (dbl), mediana (dbl), q3 (dbl), min (dbl), max (dbl), ewd (dbl), bs_ewd
## (dbl), trend_ewd (dbl), bs_trend_ewd (dbl), korelacja (dbl), lu (int),
## lu_ewd (int), lu_wszyscy (int)
Teraz możemy jeszcze np. odfiltrować jedynie wyniki dla 2007 roku i posortować je od najwyższych do najniższych w województwie (na podstawie wartości średniej).
pwe_gh_pomorskie %>%
filter(rok == 2007) %>%
select(rok, powiat_jst, srednia, bs, lu) %>%
arrange(desc(srednia))## Source: local data frame [20 x 5]
##
## rok powiat_jst srednia bs lu
## (int) (chr) (dbl) (dbl) (int)
## 1 2007 Gdynia 101.3760 0.474054 2657
## 2 2007 Gdańsk 98.8730 0.407933 4829
## 3 2007 Sopot 96.9347 0.919182 335
## 4 2007 Słupsk 96.8313 0.555633 1235
## 5 2007 lęborski 94.4275 0.595255 990
## 6 2007 kwidzyński 94.3414 0.578143 1126
## 7 2007 tczewski 93.8304 0.514551 1583
## 8 2007 gdański 93.7128 0.534863 1285
## 9 2007 wejherowski 93.4819 0.452735 2929
## 10 2007 kościerski 93.2166 0.567042 1073
## 11 2007 chojnicki 92.4435 0.552553 1476
## 12 2007 starogardzki 92.1468 0.493333 1939
## 13 2007 kartuski 92.1382 0.496529 1831
## 14 2007 człuchowski 92.1212 0.662192 885
## 15 2007 bytowski 91.9948 0.561604 1274
## 16 2007 malborski 91.9855 0.620701 981
## 17 2007 pucki 91.1161 0.607242 1037
## 18 2007 sztumski 91.0118 0.718265 583
## 19 2007 nowodworski 90.5365 0.740074 529
## 20 2007 słupski 88.8238 0.597462 1368
Oczywiście jest również możliwe pobranie wartości wskaźników EWD/PWE dla szkół.
Ponieważ jednak grupa danych wartości wskaźnków zawiera jedynie identyfikator szkoły w bazie IBE (zmienna id_szkoly), aby móc zidentyfikować szkołę niezbędne będzie pobranie i dołączenie danych z grupy danych szkoły. Do pobrania grupy danych szkoły służy funkcja pobierz_szkoly().
Pobierzmy np. wartości wszystkich wskaźników PWE dla wszystkich gimnazjów w województwie opolskim dla roku 2010.
Zauważmy, że w tym wypadku:
- Województwo, w którym leżą szkoły musimy odfiltrować w ramach grupy danych szkoły, bo właśnie tam znajduje się ta informacja.
- Rok możemy odfiltrować w dowolnej grupie danych - albo tylko w grupie szkoły (jednostką obserwacji są tam dane adresowe szkoły w danym roku!) albo tylko w grupie wartościWskaźników albo w obydwu z nich.
# wyszukujemy wskaźniki PWE dla gimnazjów
wskazniki_gh = pobierz_wskazniki(src) %>%
filter(
rodzaj_wsk == 'pwe',
rodzaj_egzaminu == 'egzamin gimnazjalny',
czesc_egzaminu == 'humanistyczna'
)
# wyszukujemy szkoły w woj. opolskim w 2010 roku
szkoly_opolskie = pobierz_szkoly(src) %>%
filter(
wojewodztwo_szkoly == 'opolskie',
rok == 2010
)
# pobieramy wartości wskaźników odiltrowując interesujące szkoły i wskaźniki
# porzez złączenia z pobranymi wyżej danymi
pwe_gim_opolskie = pobierz_wartosci_wskaznikow(src) %>%
semi_join(wskazniki_gh) %>%
inner_join(szkoly_opolskie) %>%
collect()
# podglądamy fragment pobranych danych
pwe_gim_opolskie %>%
select(id_szkoly, typ_szkoly, wojewodztwo_szkoly, rok, srednia, bs)## Source: local data frame [139 x 6]
##
## id_szkoly typ_szkoly wojewodztwo_szkoly rok srednia bs
## (int) (chr) (chr) (int) (dbl) (dbl)
## 1 17785 gimn. opolskie 2010 97.8853 2.05156
## 2 17786 gimn. opolskie 2010 98.5114 2.37913
## 3 17787 gimn. opolskie 2010 101.4930 1.17616
## 4 17788 gimn. opolskie 2010 101.8660 1.19396
## 5 17789 gimn. opolskie 2010 101.8110 1.16306
## 6 17791 gimn. opolskie 2010 71.6755 2.47971
## 7 17792 gimn. opolskie 2010 98.7149 1.45185
## 8 17793 gimn. opolskie 2010 94.3827 1.64578
## 9 17794 gimn. opolskie 2010 93.0567 3.24011
## 10 17797 gimn. opolskie 2010 102.3050 2.54617
## .. ... ... ... ... ... ...
Pytania dla dociekliwych:
- Dlaczego pobierając szkoły nie musieliśmy wskazać typu szkoły (gimnazjum), a mimo to otrzymaliśmy poprawny wynik?
- Co trzeba by zrobić, aby wyszukując wskaźniki nie musieć filtrować po rodzaju egzaminu?
Pobrane dane możemy przedstawić na wykresie uwzględniając dodatkowo dane o szkołach publicznych i niepublicznych:
ggplot(pwe_gim_opolskie, aes(x=srednia, fill=publiczna)) +
geom_histogram(aes(y=..density..), binwidth=1, position="identity", fill="grey", colour="white") +
geom_density(alpha=.3)
W poniższym przykładzie pobieramy 3-letnie wskaźniki EWD dla okresu 2010-2012 dla Techników w Krakowie, a następnie wyświetlamy pierwszych 20 wierszy pobranych danych:
# wyszukujemy 3-letnie wskaźniki EWD kończące się w 2012 roku
wskazniki_ewd = pobierz_wskazniki(src) %>%
filter(
rodzaj_wsk == "ewd",
okres == 3,
rok_do == 2012
)
# wyszukujemy technika w Krakowie
szkoly_ewd = pobierz_szkoly(src) %>%
filter(
powiat_szkoly == "Kraków",
typ_szkoly == 'T'
)
# pobieramy wartości wskaźników odfiltrowując wyżej pobranymi danymi
ewd_t_krakow = pobierz_wartosci_wskaznikow(src) %>%
semi_join(wskazniki_ewd) %>%
inner_join(szkoly_ewd) %>%
collect()
# podglądamy wybrane zmienne pierwszych 20 wierszy
ewd_t_krakow %>%
select(wskaznik, srednia, ewd, nazwa_szkoly, publiczna) %>%
head(20)## Source: local data frame [20 x 5]
##
## wskaznik srednia ewd
## (chr) (dbl) (dbl)
## 1 mtm_tl_wgr 90.0182 -5.544100
## 2 mtm_tl_wgr 107.2780 2.234780
## 3 mtm_tl_wgr 99.9548 -1.554560
## 4 mtm_tl_wgr 111.4780 1.379120
## 5 mtm_tl_wgr 94.8222 -3.985440
## 6 mtm_tl_wgr 98.1471 -2.248000
## 7 mtm_tl_wgr 106.6450 2.526190
## 8 mtm_tl_wgr 93.2225 -1.972320
## 9 mtm_tl_wgr 94.2552 -4.162610
## 10 mtm_tl_wgr 92.3054 -5.787940
## 11 mtm_tl_wgr 100.4390 -0.714075
## 12 mtm_tl_wgr 96.4576 -3.717300
## 13 mtm_tl_wgr 105.2260 4.289810
## 14 mtm_tl_wgr 92.8082 -5.388670
## 15 mtm_tl_wgr 91.8344 -1.194210
## 16 mtm_tl_wgr 128.8930 15.169900
## 17 mtm_tl_wgr 102.2150 0.704371
## 18 mtm_tl_wgr 94.7400 -3.905620
## 19 mtm_tl_wgr 110.5510 4.597990
## 20 mtm_tl_wgr 91.4975 -4.938350
## Variables not shown: nazwa_szkoly (chr), publiczna (lgl)