Trosglwyddo’r Gymraeg: dadansoddiad yn ôl NS-SEC

Awdur

@statiaith

Cyhoeddwyd

04/04/2026

Cyflwyniad

Mae hwn yn ddiweddariad o’r dadansoddiad cyntaf a gyhoeddwyd ar 9 Medi 2025. O’i gymharu â’r fersiwn wreiddiol mae ambell mân gywiriad yn y testun ond y prif newid yw fod hwn yn cynnwys cywiriad i gyfyngau hyder Ffig 1 a Ffig 2.

Mae hwn yn adeiladu ar waith blaenorol ar bwnc trosglwyddo’r iaith gyda data Cyfrifiad 2021 a dadansoddiad yn ymwneud â throsglwyddo a NS-SEC a wnaed gyda data cyfrifiadau 2001 a 2011.

Mae dadansoddiad mwy cyffredinol am y berthynas rhwng siarad Cymraeg a statws economaidd-gymdeithasol, fel y’i mesurir gan NS-SEC, ar gael yma

Canlyniadau

Cyfyngir y dadansoddiad i gartrefi lle oedd o leiaf un oedolyn yn gallu siarad Cymraeg. Prif ddiben y dadansoddiad yw canfod effaith dosbarth economaidd-gymdeithasol ar drosglwyddo’r iaith.

Lefelau Dosbarthiad Economaidd-gymdeithasol Ystadegau Gwladol (NS-SEC)

L1 a L2: Cyflogwyr mawr a galwedigaethau rheoli a gweinyddol uwch
L3: Galwedigaethau proffesiynol uwch
L4, L5 ac L6: Galwedigaethau proffesiynol, technegol, rheoli a gweinyddol is
L7: Galwedigaethau canolradd
L8 ac L9: Cyflogwyr bach a gweithwyr hunan-gofnod
L10 ac L11: Galwedigaethau goruchwylio a thechnegol is
L12: Galwedigaethau rhannol gyffredin
L13: Galwedigaethau cyffredin
L14.1 ac L14.2: Erioed wedi gweithio a phobl sydd wedi bod yn ddi-waith ers amser hir
L15: Myfyrwyr amser llawn

Sylwer: dywed y SYG nad yw’r dosbarthiad a ddefnyddiwyd ar gyfer 2021 yn gymararadwy ag un 2011. Dengys y tablau canlynol sut newidiodd dosbarthiad y plant sy yn y dadansoddiad hwn dros y tri degawd. Gwelir fod tua 60% ohonynt mewn cartrefi lle oedd person cyswllt y cartref yn un o lefelau L4-L11.

Dim ond ar lefel awdurdod lleol y mae’r data ar gael am yr un ar ddeg o lefelau. Ar lefel Ardaloedd Cynnyrch Ehangach haen Ganol (MSOAs) dim ond data am 4 grŵp o lefelau NS-SEC sy ar gael.

Dosbarthiad plant 3 i 4 oed mewn cartrefi Cymraeg, yn ôl categori Person Cyswllt y Cartref

gan ddefnyddio’r categorïau sy ar gael yn y data ar lefel awdurdod lleol:

Dosbarthiad plant y dadansoddiad yn ôl 11 grŵp lefelau NS-SEC
Cyfrifiad	L1-L2	L3	L4-L5-L6	L7	L8-L9	L10-L11	L12	L13	L14.1	L14.2	L15	Cyfanswm
2001	4	8	24	7	15	14	12	13	2	2	1	100
2011	2	11	26	9	14	10	12	11	2	2	1	100
2021	4	12	27	10	14	8	9	11	2	1	2	100

gan ddefnyddio’r categorïau sy ar gael yn y data ar lefel MSOA (Middle Layer Super Output Areas/Ardaloedd Cynnyrch Ehangach haen Ganol)

Dosbarthiad plant y dadansoddiad yn ôl 4 grŵp lefelau NS-SEC
Cyfrifiad	L1-L3	L4-L11	L12-L13	L14-L15	Cyfanswm
2001	12	57	23	8	100
2011	13	60	22	5	100
2021	17	59	20	5	100

Siartiau y data crai (arsylliadau)

Dangosir y canlyniadau crai yn y siart canlynol.

Mae Ffig 1 yn dangos canlyniadau Cyfrifiad 2021 am y 4 grŵp NS-SEC. Mae’n anodd gweld y patrymau. Mae’r rheini i’w gweld yn gliriach yn Ffig 5 sy’n adlewyrchu’r model ystadegol sydd wedi ei ffitio i’r data. Mae’r siartiau cyfatebol o ddata’r 11 grŵp i’w gweld yn Ffig 2 a Ffig 3.

Gan ganolbwyntio ar y 4 grŵp NS-SEC, gwelir:

yn gyntaf, yn gyffredinol mae cyfraddau trosglwyddo cartrefi lle mae dau oedolyn yn gallu siarad Cymraeg yn uwch na chartrefi rhiant unigol Cymraeg sy yn eu tro yn uwch na chartrefi lle un oedolyn yn unig sy’n gallu siarad Cymraeg;
yn ail, mae cyfraddau trosglwyddo Gwynedd yn uwch na chyfraddau ardal Sir Gâr, Ceredigion a Môn, sydd yn eu tro yn uwch na chyfraddau gweddill Cymru;
yn drydydd, yn gyffredinol mae cyfraddau trosglwyddo blant 4 oed yn uwch na’r cyfraddau i blant 3 oed. Mae’n gwestiwn a ydy’r gwahaniaeth yn adlewyrchu trosglwyddo o fewn y cartref mewn gwirionedd, neu’n adlewyrchu effaith addysg, hynny yw, bod rhai o’r plant pedair oed wedi dysgu Cymraeg yn yr ysgol yn hytrach nag ar yr aelwyd.
yn bedwerydd, a dyma elfen sy’n newydd yn y dadansoddiad hwn, awgrymir fod rhywfaint o raddiant economaidd-gymdeithasol, gyda’r cartref sydd yn cynnwys rheolwyr, gweinyddwyr a phobl broffesiynol uwch (h.y. L1-L3) yn trosglwyddo’n fwy llwyddiannus na rhai yn L4-L11 a’r rheini’n gwneud yn well na rhai L14-15.

Mae’r data am y 11 grŵp yn Ffig 2 yn awgrymu eto fod perthynas rhwng trosglwyddo â dosbarth sosio-economaidd, a chyfraddau trosglwyddo’n gostwng wrth symud o L1-L2 trwodd at L15 OND mae’r cyfyngau hyder am y cymedrau’n dweud wrthym na allwn fod yn sicr am hyn. Gellid ei gymharu â Ffig 3 sy’n adlewyrchu’r model.

4 grŵp NS-SEC

11 grŵp NS-SEC

Modelu

Oherwydd fod niferoedd cymharol fach mewn rhai o’r categorïau mae’n eithaf anodd gweld rhai o’r tueddiadau. Ffitiwyd modelau ystadegol i’r data fel y gellir gweld pethau’n eglurach. Y model a ddefnyddiwyd oedd un sy’n cymryd fod iaith y plentyn yn cael ei bennu drwy effaith y math o gartref, dosbarth-economaidd, oed, ardal, cyfrifiad ac adwaith rhwng rhai o’r elfennau hynny.

Wedi modelu’r data, dengys y siartiau canlynol y cyfraddau drosglwyddo a ragwelir gan y model a’r cyfyngau hyder 95% am yr amcangyfrifon hynny.

11 grŵp NS-SEC (model effeithiau sefydlog)

Mae Ffig 2 yn defnyddo’r data oedd ar gael am yr awdurdodau lleol yn unig. Ffitwyd model effeithiau sefydlog gan ddefnyddio’r fformiwla:

iaith ~ cartref + categori + oed + Sirgrwp + cyfrifiad + cartref:Sirgrwp + cartref:categori + cartref:cyfrifiad + categori:cyfrifiad

Mae Ffig 3 yn amlygu’r prif gasgliadau:

mae’r gyfradd drosglwyddo ar ei huchaf mewn cartrefi lle mae 2 oedolyn yn gallu siarad Cymraeg;
mae trosglwyddo’n digwydd yn amlach yng Ngwynedd nac yn Sir Gâr, Ceredigion a Môn, ond yn digwydd yn amlach yn y tair sir yna nag yng ngweddill Cymru.

Nid yw’n amlwg a oes graddiant cymdeithasol: am hynny rhaid edrych ar Ffig 4

Sylwer

Mae ffermwyr ran amlaf wedi eu cynnwys yn NS-SEC L9.

Effaith NS-SEC (11 grŵp) (model effeithiau sefydlog)

Y fformiwla a ddefnyddiwyd gyda’r data oedd ar gael ar lefel awdurdod lleol oedd:

iaith ~ cartref + categori + oed + Sirgrwp + cyfrifiad + cartref:Sirgrwp + cartref:categori + cartref:cyfrifiad + categori:cyfrifiad

Gwelir felly fod rhyngweithiad rhwng NS-SEC, math o gartref a chyfrifiad. Mae’r siart canlynol yn cymryd y rheini i ystyriaeth.

Mae’r tabl canlynol yn nodi’r gwahaniaethau yn Ffig 4 nad ydynt yn arwyddocaol yn ystadegol (h.y. lle mae p>0.05).

Tabl 1: Gwahaniaethau nad ydynt yn arwyddocaol yn ystadegol

Grŵp 1	Grŵp 2	p
L4-L5-L6	L1-L2	0.06
L7	L1-L2	0.82
L10-L11	L1-L2	0.82
L12	L1-L2	0.65
L13	L1-L2	0.82
L15	L1-L2	0.82
L4-L5-L6	L3	0.76
L15	L4-L5-L6	0.10
L10-L11	L7	0.82
L12	L7	0.82
L13	L7	0.82
L15	L7	0.82
L12	L10-L11	0.24
L13	L10-L11	0.82
L15	L10-L11	0.82
L13	L12	0.82
L14.2	L12	0.07
L15	L12	0.82
L15	L13	0.82
L14.2	L14.1	0.20
L15	L14.2	0.27

4 grŵp NS-SEC (model effeithiau cymysg)

Mae 408 o MSOAs. Cânt eu trin yn y model hwn fel effaith hap yn hytrach na fel effaith sefydlog.

Y fformiwla a ddefnyddiwyd gyda’r data oedd ar gael ar lefel MSOA oedd:

iaith ~ cartref + categori + oed + Sirgrwp + cyfrifiad + cartref:Sirgrwp + cartref:categori + cartref:cyfrifiad + categori:cyfrifiad + (1 | msoa21hclnmw)¹

Mae yn anodd o hyd gweld effaith elfennau unigol y model. Mae’r siartiau canlynol yn cyfrifo cyfartaleddau dros yr elfennau nad ydynt dan sylw. Er enghraifft, mae’r siart sy’n canolbwyntio ar effaith NS-SEC yn cyfrifo cyfartaleddau dros y tri chyfrifiad, oedrannau 3 a 4, y cartrefi gwahanol a’r tair ardal.

Effaith NS-SEC (4 grŵp)

Wrth edrych ar Ffig 6 gellid meddwl fod graddiant cymdeithasol ond mewn gwirionedd nid oes gwahaniaeth arwyddocaol rhwng effaith L1-L3 a L4-11 (p=0.2). Y cyfan sy gyda ni felly yw gostyngiad o L1-11 i L12-L13 ac o L12-L13 i L14-L15.

Effeithiau unigol eraill

Cyfansoddiad y cartref

Oed y plentyn

Ardal

Cyfuniadau

Cartref ac ardal

Cartref a NS-SEC

Cartref a chyfrifiad

NS-SEC, cyfrifiad ac ardal

Er bod llawer o’r cyfyngau hyder i’w gweld yn orgyffwrdd yn Ffig 13 isod, yn gyffredinol mae’r gwahaniaethau yn arwyddocaol yn ystadegol (p<0.05).

Dyma’r eithriadau:

Tabl 2: Gwahaniaethau nad ydynt yn arwyddocaol yn ystadegol

Grŵp 1	Grŵp 2	Ardal	Cyfrifiad	Gwahaniaeth	Terfan isaf cyfwng hyder 95%	Terfan isaf cyfwng hyder 95%	p
L4-L11	L1-L3	Gwynedd	2001	0.00	-0.02	0.01	0.94
L14-L15	L12-L13	Gwynedd	2011	-0.03	-0.06	0.00	0.23
L4-L11	L1-L3	Sir Gâr, Ceredigion, Môn	2001	0.00	-0.02	0.03	0.94
L14-L15	L12-L13	Sir Gâr, Ceredigion, Môn	2021	-0.06	-0.10	-0.01	0.08
L4-L11	L1-L3	Gweddill Cymru	2001	0.00	-0.03	0.03	0.94
L14-L15	L12-L13	Gweddill Cymru	2021	-0.04	-0.08	0.00	0.14

NS-SEC a chyfrifiad, yn ôl ardal

MSOAs sy’n cynnwys ardaloedd a astudir gan ‘Prosiect Bro’

Mae’r ardaloedd a astudir gan ‘Prosiect Bro’ yn ardaloedd o fewn y MSOAs sy yn y siartiau canlynol.

Mae’r siartiau yn dangos y cyfraddau disgwyliedig yn ôl y model.

Newidiodd ffiniau y MSOAs sy’n cynnwys Gwauncaegurwen a Thregaron rhwng 2001 a 2011 felly dim ond 2011 a 2021 sy’n ymddangos yn y siartiau isod.

Ardaloedd eithriadol

Yn y model 4 grŵp NS-SEC mae effaith MSOA yn cael ei drin fel effaith-hap yn hytrach nag un sefydlog, fel y mae cyfrifiad, oes, cartref ac yn y blaen yn cael eu trin. Mae’r effaith-hap yn symud llinell yr atchweliad i fynd neu i lawr. Yn y siart canlynol mae pob llinell yn cynrychioli MSOA a hyd y llinell yn dangos cyfwng hyder 95% am amcangyfrif y MSOA penodol. Mae’r MSOAs yng nghornel dde uchaf y siart yn rhai lle cafwyd, ar gyfartaledd, gyfraddau trosglwyddo uwch nag a ragwelwyd o ystyried yr effeithiau sefydlog. I’r gwrthwyneb, mae’r MSOAs yng nghornel chwith isaf y siart yn rhai â chyfraddau trosglwyddo is nag a ragwelwyd.

$msoa21hclnmw

MSOAs â rhyngdoriad uchel

Dyma’r MSOAs sy â rhyngdoriad uwch na 0.569 sef y 5% uchaf (y dde uchaf yn y siart uchod), wedi eu rhestru o’r top i lawr, a siart am yr un uchaf un, sef Dwyrain Porth ac Ynys-hir

Ardal	Awdurdod lleol	Enw’r MSOA
Gweddill Cymru	Rhondda Cynon Taf	Dwyrain Porth ac Ynys-hir
Gweddill Cymru	Conwy	Betws-yn-Rhos, Llangernyw a Llansannan
Gweddill Cymru	Caerdydd	Treganna
Gweddill Cymru	Caerdydd	Yr Eglwys Newydd
Gweddill Cymru	Caerdydd	Parc Victoria
Gweddill Cymru	Sir Benfro	Cilgerran a Chrymych
Gweddill Cymru	Conwy	Llanrwst a Betws-y-coed
Gweddill Cymru	Caerdydd	Tongwynlais a Coryton
Gweddill Cymru	Castell-nedd Port Talbot	Ystalyfera a Gwauncaegurwen
Gweddill Cymru	Caerdydd	Pontcanna
Gweddill Cymru	Pen-y-bont ar Ogwr	Dwyrain Maesteg
Gweddill Cymru	Caerdydd	Y Mynydd Bychan
Gweddill Cymru	Powys	Llanfyllin a Llanwyddyn
Gweddill Cymru	Abertawe	Llansamlet
Gweddill Cymru	Abertawe	Clydach a Mawr
Gweddill Cymru	Caerdydd	Gogledd Grangetown
Gweddill Cymru	Rhondda Cynon Taf	Treherbert
Gweddill Cymru	Caerdydd	Creigiau, Pen-tyrch a Sain Ffagan
Gweddill Cymru	Castell-nedd Port Talbot	Pontardawe
Gwynedd	Gwynedd	Gorllewin Caernarfon a Waunfawr
Sir Gâr, Ceredigion, Môn	Ynys Môn	Llangefni

Enghreifftiau

Mae’r siartiau yn dangos allbwn y model 4 grŵp NS-SEC

MSOAs â rhyngdoriad isel

Dyma’r MSOAs sy â rhyngdoriad is na -0.567 sef y 5% uchaf (y chwith isaf yn y siart uchod), wedi eu rhestru o’r gwaelod i fyny, a siart am yr un isaf un, sef Caergybi.

Ardal	Awdurdod lleol	Enw’r MSOA
Sir Gâr, Ceredigion, Môn	Ynys Môn	Caergybi
Gwynedd	Gwynedd	Dinas Bangor
Gwynedd	Gwynedd	De Bangor
Gweddill Cymru	Sir y Fflint	De Bwcle
Gweddill Cymru	Sir y Fflint	Gogledd Cei Connah
Gweddill Cymru	Casnewydd	Ridgeway a Glasllwch
Gweddill Cymru	Blaenau Gwent	Tredegar a Georgetown
Gweddill Cymru	Pen-y-bont ar Ogwr	Dwyrain Bracla a Llangrallo Isaf
Gweddill Cymru	Sir y Fflint	De Cei Connah a Phentre-moch
Gweddill Cymru	Blaenau Gwent	Sirhywi
Gweddill Cymru	Sir y Fflint	Yr Hôb
Gweddill Cymru	Abertawe	Glandŵr
Gweddill Cymru	Castell-nedd Port Talbot	De Port Talbot a Margam
Gweddill Cymru	Caerdydd	Adamsdown
Sir Gâr, Ceredigion, Môn	Sir Gaerfyrddin	De Llanelli
Gweddill Cymru	Sir y Fflint	Cei Connah Gwepra
Gweddill Cymru	Pen-y-bont ar Ogwr	Gorllewin Porthcawl
Gweddill Cymru	Sir y Fflint	De-orllewin y Fflint
Gwynedd	Gwynedd	Tywyn a Llangelynnin
Gweddill Cymru	Sir y Fflint	Pen-y-ffordd a Higher Kinnerton
Sir Gâr, Ceredigion, Môn	Sir Gaerfyrddin	Bynea a Llwynhendy

Enghreifftiau

Ffynonellau

Cyfrifiad 2001

c1469.xlsx

Papur i gynhadledd y ‘British Society for Population Studies’ (BSPS) yn 2009: https://statiaith.com/gwefan/pdfs/cyfrifiad2001/BSPS%202009%20Conference%20The%20intergenerational%20transmission%20of%20Welsh%2020090910.pdf

Cymhariaeth â Gaeleg yr Alban a’r Wyddeleg: https://statiaith.com/gwefan/pdfs/cyfrifiad2001/20080303%20S%20DG%20Transmission%20rates%20summary.pdf

Cyfrifiad 2011

ct13322011census.xlsx

‘Trosglwyddo’r Gymraeg ac Aelwydydd’, datganiad ystadegol Llywodraeth Cymru, 28 Mehefin 2013: https://www.llyw.cymru/sites/default/files/statistics-and-research/2019-03/130628-welsh-language-households-transmission-cy.pdf

‘Ymchwil i’r Amodau sydd yn Dylanwadu ar Drosglwyddo’r Gymraeg a’i Defnydd mewn Teuluoedd’, dadansoddiad o gyfrifiad 2011 gan Jeremy Evas, Jonathan Morris, Lorraine Whitmarsh, Prifysgol Caerydd, mewn cydweithredied â Statiaith ac Arad, 12 Mehefin 2017 :https://www.llyw.cymru/sites/default/files/statistics-and-research/2018-12/170612-welsh-language-transmission-use-in-families-cy.pdf Pennod 3 ac Atodiad 1

Poster ddangoswyd yng nghynhadledd 2013 BSPS: http://statiaith.com/gwefan/pdfs/cyfrifiad2011/20130814%20DG%20C%20Poster%20BSPS%20trosglwyddo.pdf

Siartiau amrywiol: https://statiaith.com/blog/cyfrifiad-2011/trosglwyddor-gymraeg/siartiau_trosglwyddo/

Cyfrifiad 2021

ct210385census2021.xlsx

Defnyddir data cyfrifiad 2021 a gyhoeddwyd yn https://www.llyw.cymru/cyfansoddiad-cartrefi-yng-nghymru-o-ran-y-gymraeg-cyfrifiad-2021-html

https://www.llyw.cymru/cyfraddau-trosglwyddor-gymraeg-ar-yr-aelwyd-yn-ol-rhyw-cyfrifiad-2021

Compendiwn data Prosiect Bro https://www.llyw.cymru/sites/default/files/publications/2024-08/Compendiwm%20Prosiect%20BRO%20o%20Ystadegau%20Iaith%20Cyfrifiad%202021%20data.pdf

Methodoleg

Trafodaeth am effeithiau ymylol a dibynnol https://www.andrewheiss.com/blog/2022/11/29/conditional-marginal-marginaleffects/ https://easystats.github.io/modelbased/articles/mixed_models.html

Manylion y meddalwedd ddefnyddiwyd

[1] "2026-04-04 20:33:02 BST"

R version 4.5.1 (2025-06-13 ucrt)
Platform: x86_64-w64-mingw32/x64
Running under: Windows 11 x64 (build 26200)

Matrix products: default
  LAPACK version 3.12.1

locale:
[1] LC_COLLATE=Welsh_United Kingdom.utf8  LC_CTYPE=Welsh_United Kingdom.utf8   
[3] LC_MONETARY=Welsh_United Kingdom.utf8 LC_NUMERIC=C                         
[5] LC_TIME=Welsh_United Kingdom.utf8    

time zone: Europe/London
tzcode source: internal

attached base packages:
[1] stats     graphics  grDevices datasets  utils     methods   base     

other attached packages:
 [1] ggeffects_2.3.0        DHARMa_0.4.7           effects_4.2-2         
 [4] carData_3.0-5          zeallot_0.2.0          ggplot2_3.5.2         
 [7] modelbased_0.11.2      marginaleffects_0.28.0 glmmTMB_1.1.11        
[10] purrr_1.0.4            stringr_1.5.1          tidyr_1.3.1           
[13] dplyr_1.1.4           

loaded via a namespace (and not attached):
 [1] tidyselect_1.2.1    farver_2.1.2        fastmap_1.2.0      
 [4] TH.data_1.1-3       bayestestR_0.16.1   digest_0.6.37      
 [7] estimability_1.5.1  lifecycle_1.0.4     survival_3.8-3     
[10] magrittr_2.0.3      compiler_4.5.1      rlang_1.1.6        
[13] tools_4.5.1         yaml_2.3.10         data.table_1.17.6  
[16] knitr_1.50          labeling_0.4.3      htmlwidgets_1.6.4  
[19] RColorBrewer_1.1-3  multcomp_1.4-28     withr_3.0.2        
[22] numDeriv_2016.8-1.1 nnet_7.3-20         grid_4.5.1         
[25] datawizard_1.2.0    xtable_1.8-4        colorspace_2.1-1   
[28] emmeans_1.11.2      scales_1.4.0        MASS_7.3-65        
[31] insight_1.4.2       cli_3.6.5           mvtnorm_1.3-3      
[34] survey_4.4-2        rmarkdown_2.29      reformulas_0.4.1   
[37] generics_0.1.4      rstudioapi_0.17.1   binom_1.1-1.1      
[40] parameters_0.27.0   minqa_1.2.8         DBI_1.2.3          
[43] splines_4.5.1       mitools_2.4         vctrs_0.6.5        
[46] boot_1.3-31         Matrix_1.7-3        sandwich_3.1-1     
[49] jsonlite_2.0.0      Formula_1.2-5       see_0.11.0         
[52] glue_1.8.0          nloptr_2.2.1        codetools_0.2-20   
[55] stringi_1.8.7       gtable_0.3.6        lme4_1.1-37        
[58] tibble_3.2.1        pillar_1.10.2       htmltools_0.5.8.1  
[61] R6_2.6.1            TMB_1.9.17          Rdpack_2.6.4       
[64] evaluate_1.0.3      lattice_0.22-7      rbibutils_2.3      
[67] backports_1.5.0     renv_1.1.4          Rcpp_1.0.14        
[70] coda_0.19-4.1       nlme_3.1-168        checkmate_2.3.2    
[73] mgcv_1.9-3          xfun_0.52           zoo_1.8-14         
[76] pkgconfig_2.0.3

Footnotes

msoa21hclnmw = ‘MSOA 2021 House of Commons Library Welsh language names’ https://houseofcommonslibrary.github.io/msoanames/

Mae `(1|msoa21hclnmw)` yn y fformiwla yn golygu fod MSOA yn cael ei drin fel effaith hap, yn hytrach nag effaith sefydlog. Mae hwn yn golygu y bydd cyfyngau hyder am yr effeithiau sefydlog yn cael eu lleihau. Nid yw’r data ar lefel MSOA yn cynnwys ond 4 grŵp NS-SEC.↩︎

--- title: "Trosglwyddo'r Gymraeg: dadansoddiad yn ôl NS-SEC" author: "@statiaith" author-title: "Awdur" date: today date-format: "DD/MM/YYYY" published-title: "Cyhoeddwyd" format: html: theme: light: united dark: darkly toc: true toc-depth: 6 toc-title: "Cynnwys" code-fold: true code-tools: true embed-resources: true knitr: opts_chunk: echo: false warning: false message: false crossref: fig-title: Ffigur fig-prefix: Ffig tbl-title: Tabl tbl-prefix: Tabl lightbox: auto --- ## Cyflwyniad Mae hwn yn ddiweddariad o'r dadansoddiad cyntaf a gyhoeddwyd ar 9 Medi 2025. O'i gymharu â'r fersiwn wreiddiol mae ambell mân gywiriad yn y testun ond y prif newid yw fod hwn yn cynnwys cywiriad i gyfyngau hyder @fig-1 a @fig-2. Mae hwn yn adeiladu ar [waith blaenorol](https://statiaith.com/cymraeg/trosglwyddo/cyfrifiad/2021/dadansoddiad_trosglwyddo_26082024.html) ar bwnc trosglwyddo'r iaith gyda data Cyfrifiad 2021 a [dadansoddiad](https://statiaith.com/gwefan/pdfs/cyfrifiad2011/20130814%20DG%20C%20Poster%20BSPS%20trosglwyddo.pdf) yn ymwneud â throsglwyddo a [NS-SEC][1] a wnaed gyda data cyfrifiadau 2001 a 2011. Mae dadansoddiad mwy cyffredinol am y berthynas rhwng siarad Cymraeg a statws economaidd-gymdeithasol, fel y'i mesurir gan NS-SEC, ar gael [yma](https://statiaith.com/cymraeg/cyfrifiad2021/rm151/ns_sec_siarad_cymraeg.html) ```{r llwytho_pecynnau} xfun::pkg_attach(c("dplyr","tidyr","stringr","purrr","glmmTMB","marginaleffects","modelbased","ggplot2","zeallot")) xfun::pkg_load("binom") set.seed(471) ``` ```{r llwytho_data} #| cache: true source("prosesu_ffeiliau.R") # mod1b_re <- readRDS("output/mod1b_re.rds") mod1b_re <- glmmTMB( iaith ~ cartref + categori + oed + Sirgrwp + cyfrifiad + cartref:Sirgrwp + cartref:categori + cartref:cyfrifiad + categori:cyfrifiad + (1 | msoa21hclnmw), data = data_mod_msoa |> filter(nifer > 0), family = binomial(logit), weights = nifer, contrasts = msoa.contrasts.arg ) # fit5.5.2 <- readRDS("output/fit5.5.2.rds") fit5.5.2 <- glm( iaith ~ cartref + categori + oed + Sirgrwp + cyfrifiad + cartref:Sirgrwp + cartref:categori + cartref:cyfrifiad + categori:cyfrifiad, data = data_mod_sir|> filter(nifer>0), family = binomial(logit), weights = nifer, contrasts = sir.contrasts.arg ) ``` ```{r ffwythiannau} siart_emm_sirgrwp <- function(x = "Gwynedd") { x <- deparse(substitute(x)) emm <- estimate_means( model = mod1b_re, by = c("cyfrifiad", "categori", paste("Sirgrwp =", x)), estimate = "average", backend = "marginalmeans",wts = "nifer" ) emm %>% plot(linewidth =1)+ geom_text(mapping = aes(x= cyfrifiad, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.005) + labs(x = "Cyfrifiad") + scale_y_continuous("Cyfradd drosglwyddo") + scale_color_brewer("Lefel NS-SEC", type = "qual", palette = 2) + theme(strip.text.x.top = element_text(size =12)) } siart_emm_msoa <- function(x = "Blaenau Ffestiniog a Thrawsfynydd") { lle <- x x <- deparse(substitute(x)) emm <- estimate_means( model = mod1b_re, by = c("cyfrifiad", "categori", paste("msoa21hclnmw =", x)), estimate = "average", backend = "marginalmeans",wts = "nifer" ) # print("Model ymylol") p1 <- emm %>% ggplot(aes( x = cyfrifiad, y = Probability, group = categori, col = categori )) + geom_line(linewidth = 1,position = position_dodge(width = 0.2)) + geom_pointrange(aes(ymin = CI_low, ymax = CI_high), position = position_dodge(width = 0.2)) + scale_y_continuous("Cyfradd drosglwyddo") + scale_color_brewer("Lefel NS-SEC", type = "qual", palette = 2) + theme(strip.text.x.top = element_text(size = 12)) + labs(title = lle, x = "Cyfrifiad") print(p1) } ``` ## Canlyniadau Cyfyngir y dadansoddiad i gartrefi lle oedd o leiaf un oedolyn yn gallu siarad Cymraeg. Prif ddiben y dadansoddiad yw canfod effaith dosbarth economaidd-gymdeithasol ar drosglwyddo'r iaith. ### Lefelau Dosbarthiad Economaidd-gymdeithasol Ystadegau Gwladol ([NS-SEC](https://cy.ons.gov.uk/census/census2021dictionary/variablesbytopic/labourmarketvariablescensus2021/nationalstatisticssocio-economicclassificationns-sec)) - L1 a L2: Cyflogwyr mawr a galwedigaethau rheoli a gweinyddol uwch - L3: Galwedigaethau proffesiynol uwch - L4, L5 ac L6: Galwedigaethau proffesiynol, technegol, rheoli a gweinyddol is - L7: Galwedigaethau canolradd - L8 ac L9: Cyflogwyr bach a gweithwyr hunan-gofnod - L10 ac L11: Galwedigaethau goruchwylio a thechnegol is - L12: Galwedigaethau rhannol gyffredin - L13: Galwedigaethau cyffredin - L14.1 ac L14.2: Erioed wedi gweithio a phobl sydd wedi bod yn ddi-waith ers amser hir - L15: Myfyrwyr amser llawn Sylwer: dywed y SYG nad yw'r dosbarthiad a ddefnyddiwyd ar gyfer 2021 yn gymararadwy ag un 2011. Dengys y tablau canlynol sut newidiodd dosbarthiad y plant sy yn y dadansoddiad hwn dros y tri degawd. Gwelir fod tua 60% ohonynt mewn cartrefi lle oedd person cyswllt y cartref yn un o lefelau L4-L11. Dim ond ar lefel awdurdod lleol y mae'r data ar gael am yr un ar ddeg o lefelau. Ar lefel Ardaloedd Cynnyrch Ehangach haen Ganol (MSOAs) dim ond data am 4 grŵp o lefelau NS-SEC sy ar gael. #### Dosbarthiad plant 3 i 4 oed mewn cartrefi Cymraeg, yn ôl categori Person Cyswllt y Cartref 1. gan ddefnyddio'r categorïau sy ar gael yn y data ar lefel awdurdod lleol: | Cyfrifiad | L1-L2 | L3 | L4-L5-L6 | L7 | L8-L9 | L10-L11 | L12 | L13 | L14.1 | L14.2 | L15 | Cyfanswm | |:----:|-----:|-----:|-----:|-----:|-----:|-----:|-----:|-----:|-----:|-----:|-----:|-----:| | 2001 | 4 | 8 | 24 | 7 | 15 | 14 | 12 | 13 | 2 | 2 | 1 | 100 | | 2011 | 2 | 11 | 26 | 9 | 14 | 10 | 12 | 11 | 2 | 2 | 1 | 100 | | 2021 | 4 | 12 | 27 | 10 | 14 | 8 | 9 | 11 | 2 | 1 | 2 | 100 | : Dosbarthiad plant y dadansoddiad yn ôl 11 grŵp lefelau NS-SEC 2. gan ddefnyddio'r categorïau sy ar gael yn y data ar lefel MSOA (Middle Layer Super Output Areas/[Ardaloedd Cynnyrch Ehangach haen Ganol](https://cy.ons.gov.uk/census/census2021dictionary/areatypedefinitions)) | Cyfrifiad | L1-L3 | L4-L11 | L12-L13 | L14-L15 | Cyfanswm | |:---------:|------:|-------:|--------:|--------:|---------:| | 2001 | 12 | 57 | 23 | 8 | 100 | | 2011 | 13 | 60 | 22 | 5 | 100 | | 2021 | 17 | 59 | 20 | 5 | 100 | : Dosbarthiad plant y dadansoddiad yn ôl 4 grŵp lefelau NS-SEC ### Siartiau y data crai (arsylliadau) Dangosir y canlyniadau crai yn y siart canlynol. Mae @fig-1 yn dangos canlyniadau Cyfrifiad 2021 am y 4 grŵp NS-SEC. Mae'n anodd gweld y patrymau. Mae'r rheini i'w gweld yn gliriach yn @fig-1-modelre sy'n adlewyrchu'r model ystadegol sydd wedi ei ffitio i'r data. Mae'r siartiau cyfatebol o ddata'r 11 grŵp i'w gweld yn @fig-2 a @fig-1-modelfe. Gan ganolbwyntio ar y 4 grŵp NS-SEC, gwelir: - yn gyntaf, yn gyffredinol mae cyfraddau trosglwyddo cartrefi lle mae dau oedolyn yn gallu siarad Cymraeg yn uwch na chartrefi rhiant unigol Cymraeg sy yn eu tro yn uwch na chartrefi lle un oedolyn yn unig sy'n gallu siarad Cymraeg; - yn ail, mae cyfraddau trosglwyddo Gwynedd yn uwch na chyfraddau ardal Sir Gâr, Ceredigion a Môn, sydd yn eu tro yn uwch na chyfraddau gweddill Cymru; - yn drydydd, yn gyffredinol mae cyfraddau trosglwyddo blant 4 oed yn uwch na'r cyfraddau i blant 3 oed. Mae'n gwestiwn a ydy'r gwahaniaeth yn adlewyrchu trosglwyddo o fewn y cartref mewn gwirionedd, neu'n adlewyrchu effaith addysg, hynny yw, bod rhai o'r plant pedair oed wedi dysgu Cymraeg yn yr ysgol yn hytrach nag ar yr aelwyd. - yn bedwerydd, a dyma elfen sy'n newydd yn y dadansoddiad hwn, awgrymir fod rhywfaint o raddiant economaidd-gymdeithasol, gyda'r cartref sydd yn cynnwys rheolwyr, gweinyddwyr a phobl broffesiynol uwch (h.y. L1-L3) yn trosglwyddo'n fwy llwyddiannus na rhai yn L4-L11 a'r rheini'n gwneud yn well na rhai L14-15. Mae'r data am y 11 grŵp yn @fig-2 yn awgrymu eto fod perthynas rhwng trosglwyddo â dosbarth sosio-economaidd, a chyfraddau trosglwyddo'n gostwng wrth symud o L1-L2 trwodd at L15 OND mae'r cyfyngau hyder am y cymedrau'n dweud wrthym na allwn fod yn sicr am hyn. Gellid ei gymharu â @Fig-1-modelfe sy'n adlewyrchu'r model. #### 4 grŵp NS-SEC ```{r siart_canlyniadau} #| label: fig-1 #| fig-width: 10 #| fig-height: 7 #| cache: true data_mod_msoa_llydan %>% group_by(cyfrifiad,Sirgrwp,categori,cartref,oed) %>% summarise(WS = sum(WS,na.rm=TRUE),NW= sum(NW,na.rm=TRUE)) -> tmp1 c(cymedr,terfan_isaf,terfan_uchaf) %<-% binom::binom.confint(tmp1$WS,tmp1$WS + tmp1$NW,methods = "asymptotic")[,c("mean","lower","upper")] tmp2 <- cbind(tmp1,cnrn = cymedr, terfan_isaf = terfan_isaf,terfan_uchaf =terfan_uchaf) # ar gyfer siartio tmp2$cartref <- factor( tmp2$cartref, levels = c( "Cwpl: >=2 oedolyn Cymraeg", "Rhiant unigol Cymraeg", "Cwpl: 1 oedolyn Cymraeg" ) ) p <- tmp2 %>% ggplot(aes( x = Sirgrwp, y = cnrn, col = cartref, group = cartref )) + geom_pointrange(aes(ymin = terfan_isaf, ymax = terfan_uchaf),fatten=1,position = position_dodge(width = 0.2)) + geom_line(linewidth =1,position = position_dodge(width = 0.2)) + facet_grid(cyfrifiad ~ oed + categori, labeller = labeller(cartref = label_value, gradd = label_value,oed = label_both)) + scale_color_brewer("Math o gartref", type = "qual", palette = 2) + scale_y_continuous("Cyfradd drosglwyddo gyfartalog a adroddwyd") + labs(title ="Cyfradd drosglwyddo, yn ôl oed, dosbarthiad economaidd-gymdeithasol\n(grŵp NS-SEC), cyfansoddiad ieithyddol y cartref, ardal a chyfrifiad", subtitle = "a chyfyngau hyder 95%",x = "Ardal") + theme(axis.text.x = element_text(angle= 90)) p rm(tmp1,tmp2, cymedr, terfan_isaf, terfan_uchaf, p) ``` #### 11 grŵp NS-SEC ```{r siart_canlyniadauNSEC_manwl} #| label: fig-2 #| fig-width: 10 #| fig-height: 7 #| cache: true data_mod_sir_llydan %>% group_by(cyfrifiad,Sirgrwp,categori,cartref,oed) %>% summarise(WS = sum(WS,na.rm=TRUE),NW= sum(NW,na.rm=TRUE)) -> tmp1 c(cymedr,terfan_isaf,terfan_uchaf) %<-% binom::binom.confint(tmp1$WS,tmp1$WS + tmp1$NW,methods = "asymptotic")[,c("mean","lower","upper")] tmp2 <- cbind(tmp1,cnrn = cymedr, terfan_isaf = terfan_isaf,terfan_uchaf =terfan_uchaf) # ar gyfer siartio tmp2$cartref <- factor( tmp2$cartref, levels = c( "Cwpl: >=2 oedolyn Cymraeg", "Rhiant unigol Cymraeg", "Cwpl: 1 oedolyn Cymraeg" ) ) p <- tmp2 %>% ggplot(aes( x = Sirgrwp, y = cnrn, col = cartref, group = cartref )) + geom_pointrange(aes(ymin = terfan_isaf, ymax = terfan_uchaf),fatten=1,position = position_dodge(width = 0.2)) + geom_line(linewidth =1,position = position_dodge(width = 0.2)) + facet_grid(cyfrifiad + oed ~ categori, labeller = labeller(cartref = label_value, gradd = label_value,oed = label_both)) + scale_color_brewer("Math o gartref", type = "qual", palette = 2) + scale_y_continuous("Cyfradd drosglwyddo gyfartalog a adroddwyd") + labs(title ="Cyfradd drosglwyddo, yn ôl oed, dosbarthiad economaidd-gymdeithasol\n(grŵp NS-SEC), cyfansoddiad ieithyddol y cartref, ardal a chyfrifiad", subtitle = "a chyfyngau hyder 95%",x = "Ardal") + theme(axis.text.x = element_text(angle= 90)) p rm(tmp1,tmp2, cymedr, terfan_isaf, terfan_uchaf,p) ``` ### Modelu Oherwydd fod niferoedd cymharol fach mewn rhai o'r categorïau mae'n eithaf anodd gweld rhai o'r tueddiadau. Ffitiwyd modelau ystadegol i'r data fel y gellir gweld pethau'n eglurach. Y model a ddefnyddiwyd oedd un sy'n cymryd fod iaith y plentyn yn cael ei bennu drwy effaith y math o gartref, dosbarth-economaidd, oed, ardal, cyfrifiad ac adwaith rhwng rhai o'r elfennau hynny. Wedi modelu'r data, dengys y siartiau canlynol y cyfraddau drosglwyddo a ragwelir gan y model a'r cyfyngau hyder 95% am yr amcangyfrifon hynny. #### 11 grŵp NS-SEC (model effeithiau sefydlog) Mae @fig-2 yn defnyddo'r data oedd ar gael am yr awdurdodau lleol yn unig. Ffitwyd model effeithiau sefydlog gan ddefnyddio'r fformiwla: `r paste("iaith ~",fit5.5.2$formula %>% as.character() %>% .[3])` Mae @fig-1-modelfe yn amlygu'r prif gasgliadau: - mae'r gyfradd drosglwyddo ar ei huchaf mewn cartrefi lle mae 2 oedolyn yn gallu siarad Cymraeg;\ - mae trosglwyddo'n digwydd yn amlach yng Ngwynedd nac yn Sir Gâr, Ceredigion a Môn, ond yn digwydd yn amlach yn y tair sir yna nag yng ngweddill Cymru. Nid yw'n amlwg a oes graddiant cymdeithasol: am hynny rhaid edrych ar @fig-effaithnssec11 ```{r siart_modelfe} #| fig-width: 10 #| fig-height: 9 #| label: fig-1-modelfe emm <- estimate_means( model = fit5.5.2, by = c("cyfrifiad", "Sirgrwp", "categori", "cartref", "oed"), estimate = "average", backend = "marginaleffects",wts = "nifer" ) # ar gyfer siartio tmp <- as.data.frame(emm) tmp$cartref <- factor( tmp$cartref, levels = c( "Cwpl: >=2 oedolyn Cymraeg", "Rhiant unigol Cymraeg", "Cwpl: 1 oedolyn Cymraeg" ) ) p1 <- tmp %>% ggplot(aes( x = Sirgrwp, y = Probability, col = cartref, group = cartref )) + geom_pointrange(aes(ymin = CI_low, ymax = CI_high), fatten=1, position = position_dodge(width = 0.2)) + geom_line(linewidth = 1, position = position_dodge(width = 0.2)) + facet_grid( cyfrifiad + oed ~ categori, labeller = labeller( cartref = label_value, categori = label_value, oed = label_both ) ) + scale_color_brewer("Math o gartref", type = "qual", palette = 2) + scale_y_continuous("Cyfradd drosglwyddo gyfartalog yn ôl y model effeithiau sefydlog") + labs( title = "Cyfradd drosglwyddo disgwyliedig,yn ôl oed, dosbarthiad cymdeithasol (NS-SEC), cyfansoddiad ieithyddol y cartref, ardal a chyfrifiad", subtitle = "Effeithiau ymylol, a chyfyngau hyder 95%", x = "Ardal" ) + theme(axis.text.x = element_text(angle= 90)) p1 rm(emm,tmp,p1) ``` ::: {.callout-note appearance="simple"} Sylwer Mae ffermwyr ran amlaf wedi eu cynnwys yn NS-SEC L9. ::: ##### Effaith NS-SEC (11 grŵp) (model effeithiau sefydlog) Y fformiwla a ddefnyddiwyd gyda'r data oedd ar gael ar lefel awdurdod lleol oedd: `r paste("iaith ~",fit5.5.2$formula %>% as.character() %>% .[3])` Gwelir felly fod rhyngweithiad rhwng NS-SEC, math o gartref a chyfrifiad. Mae'r siart canlynol yn cymryd y rheini i ystyriaeth. ```{r effeithiaufe_unigol1} #| label: fig-effaithnssec11 #| fig-width: 10 #| fig-height: 7 p <- plot_predictions(model = fit5.5.2,type = "invlink(link)",by = c("categori"),wts = "nifer") p <- p + geom_text(mapping = aes(x= categori, y = estimate,label=round(estimate,2)),nudge_x = 0.3) + labs(title= "Plot effaith NS-SEC a chyfyngau hyder 95%",y = "Cyfradd drosglwyddo", x= "NS-SEC") p rm(p) ``` Mae'r tabl canlynol yn nodi'r gwahaniaethau yn @fig-effaithnssec11 **nad ydynt** yn arwyddocaol yn ystadegol (h.y. lle mae p\>0.05). ```{r profi_gwahaniaethaufe1} #| label: tbl-gwahaniaethau11 #| tbl-cap: Gwahaniaethau **nad ydynt** yn arwyddocaol yn ystadegol c3 <- estimate_contrasts(model = fit5.5.2,contrast = c("categori"), estimate = "average",comparison = "pairwise", backend = "marginalmeans",p_adjust = "hommel",wts = "nifer") c3 <- as.data.frame(c3) knitr::kable(c3[c3$p>0.05,c("Level1","Level2","p")],digits = 2,row.names = FALSE, col.names = c("Grŵp 1","Grŵp 2","p")) rm(c3) ``` #### 4 grŵp NS-SEC (model effeithiau cymysg) Mae `r nlevels(as.factor(data_mod_msoa$msoa21hclnmw))` o MSOAs. Cânt eu trin yn y model hwn fel effaith hap yn hytrach na fel effaith sefydlog. Y fformiwla a ddefnyddiwyd gyda'r data oedd ar gael ar lefel MSOA oedd: `r paste("iaith ~",mod1b_re$modelInfo$allForm$formula %>% as.character() %>% .[3])`[^1] [^1]: msoa21hclnmw = 'MSOA 2021 House of Commons Library Welsh language names' <https://houseofcommonslibrary.github.io/msoanames/> Mae \`(1\|msoa21hclnmw)\` yn y fformiwla yn golygu fod MSOA yn cael ei drin fel effaith hap, yn hytrach nag effaith sefydlog. Mae hwn yn golygu y bydd cyfyngau hyder am yr effeithiau sefydlog yn cael eu lleihau. Nid yw'r data ar lefel MSOA yn cynnwys ond 4 grŵp NS-SEC. ```{r siart_modelre} #| fig-width: 10 #| fig-height: 7 #| label: fig-1-modelre emm <- modelbased::estimate_means( model = mod1b_re, by = c("cyfrifiad", "Sirgrwp", "categori", "cartref", "oed"), estimate = "average", backend = "marginaleffects",wts = "nifer" ) # ar gyfer siartio tmp <- as.data.frame(emm) tmp$cartref <- factor( tmp$cartref, levels = c( "Cwpl: >=2 oedolyn Cymraeg", "Rhiant unigol Cymraeg", "Cwpl: 1 oedolyn Cymraeg" ) ) p1 <- tmp %>% ggplot(aes( x = Sirgrwp, y = Probability, col = cartref, group = cartref )) + geom_pointrange(aes(ymin = CI_low, ymax = CI_high),fatten = 2, position = position_dodge(width = 0.2)) + geom_line(linewidth = 1,position = position_dodge(width = 0.2)) + facet_grid( cyfrifiad ~ oed + categori, labeller = labeller( cartref = label_value, categori = label_value, oed = label_both ) ) + scale_color_brewer("Math o gartref", type = "qual", palette = 2) + scale_y_continuous("Cyfradd drosglwyddo gyfartalog yn ôl y model aml-lefel") + labs( title = "Cyfradd drosglwyddo disgwyliedig, yn ôl oed, dosbarthiad economaidd-gymdeithasol (NS-SEC), cyfansoddiad ieithyddol y cartref, ardal a chyfrifiad", subtitle = "Effeithiau ymylol, a chyfyngau hyder 95%", x = "Cyfrifiad" ) + theme(axis.text.x = element_text(angle= 90)) p1 rm(emm,tmp,p1) ``` Mae yn anodd o hyd gweld effaith elfennau unigol y model. Mae'r siartiau canlynol yn cyfrifo cyfartaleddau dros yr elfennau nad ydynt dan sylw. Er enghraifft, mae'r siart sy'n canolbwyntio ar effaith NS-SEC yn cyfrifo cyfartaleddau dros y tri chyfrifiad, oedrannau 3 a 4, y cartrefi gwahanol a'r tair ardal. ##### Effaith NS-SEC (4 grŵp) ```{r effeithiau_unigol1} #| label: fig-effaithnssec4 #| fig-width: 10 #| fig-height: 7 # https://easystats.github.io/modelbased/articles/mixed_models.html: # Technical Notes: # # For backend = "marginaleffects", the re.form argument is set to NULL for mixed models by default, to calculate marginal predictions. You can use for instance re.form = NA in your estimate_means() call to change the default value (NA will produce conditional predictions). emm <- estimate_means( model = mod1b_re, by = c("categori"), estimate = "average", backend = "marginalmeans",wts = "nifer",re.form=NULL # re.form=NULL diofyn ond yn ei ddangos i'w wneud yn glir ) emm %>% plot() + geom_text(mapping = aes(x= categori, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.005) + labs(title= "Plot effaith NS-SEC",y = "Cyfradd drosglwyddo", x= "NS-SEC") rm(emm) ``` ```{r profi_gwahaniaethau2} c2 <- estimate_contrasts(model = mod1b_re,contrast = c("categori"), estimate = "average",comparison = "sequential", backend = "marginalmeans",p_adjust = "hommel",wts = "nifer",re.form=NULL) ``` Wrth edrych ar @fig-effaithnssec4 gellid meddwl fod graddiant cymdeithasol ond mewn gwirionedd nid oes gwahaniaeth arwyddocaol rhwng effaith L1-L3 a L4-11 (p=`r round(as.data.frame(c2)[1,"p"],2)`). Y cyfan sy gyda ni felly yw gostyngiad o L1-11 i L12-L13 ac o L12-L13 i L14-L15. ##### Effeithiau unigol eraill ::: {layout-ncol="3"} ###### Cyfansoddiad y cartref ```{r effeithiau_unigol2} #| label: fig-cartref #| fig-width: 7 #| fig-height: 5 #| cache: true emm <- estimate_means( model = mod1b_re, by = c("cartref"), estimate = "average", backend = "marginalmeans",wts = "nifer" ) emm %>% plot() + geom_text(mapping = aes(x= cartref, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.005) + labs(title= "Plot effaith math o gartref",y = "Cyfradd drosglwyddo", x= "Cartref") rm(emm) ``` ###### Oed y plentyn ```{r effeithiau_unigol3} #| label: fig-oed #| fig-width: 5 #| fig-height: 5 #| cache: true emm <- estimate_means( model = mod1b_re, by = c("oed"), estimate = "average", backend = "marginalmeans",wts = "nifer" ) emm %>% plot() + geom_text(mapping = aes(x= oed, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.005) + labs(title= "Plot effaith oed y plentyn",y = "Cyfradd drosglwyddo", x= "Oed y plentyn") ``` ###### Ardal ```{r effeithiau_unigol4} #| label: fig-ardal #| fig-width: 5 #| fig-height: 5 #| cache: true emm <- estimate_means( model = mod1b_re, by = c("Sirgrwp"), estimate = "average", backend = "marginalmeans",wts = "nifer" ) emm %>% plot() + geom_text(mapping = aes(x= Sirgrwp, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.005) + labs(title= "Plot effaith ardal",y = "Cyfradd drosglwyddo", x= "Ardal") ``` ::: ##### Cyfuniadau ::: {layout-ncol="3"} ###### Cartref ac ardal ```{r effeithiau_deublyg1} #| label: fig-cartrefacardal #| fig-width: 5 #| fig-height: 5 #| cache: true emm <- estimate_means( model = mod1b_re, by = c("cartref","Sirgrwp"), estimate = "average", backend = "marginalmeans",wts = "nifer" ) emm %>% plot() + geom_text(mapping = aes(x= cartref, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.005,size=rel(3)) + labs(title= "Plot effaith cartref ac ardal",y = "Cyfradd drosglwyddo", x= "Cartref") + scale_color_discrete("Ardal") + theme(axis.text.x = element_text(angle=90)) rm(emm) ``` ###### Cartref a NS-SEC ```{r effeithiau_deublyg2} #| label: fig-cartrefnssec #| fig-width: 5 #| fig-height: 5 #| cache: true emm <- estimate_means( model = mod1b_re, by = c("cartref","categori"), estimate = "average", backend = "marginalmeans",wts = "nifer" ) emm %>% plot() + geom_text(mapping = aes(x= cartref, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.005, size=rel(3)) + labs(title= "Plot effaith cartref a NS-SEC",y = "Cyfradd drosglwyddo", x= "Cartref") + scale_color_discrete("NS-SEC")+ theme(axis.text.x = element_text(angle=90)) ``` ###### Cartref a chyfrifiad ```{r effeithiau_deublyg3} #| label: fig-cartrefcyfrifiad #| fig-width: 5 #| fig-height: 5 #| cache: true emm <- estimate_means( model = mod1b_re, by = c("cartref","cyfrifiad"), estimate = "average", backend = "marginalmeans",wts = "nifer" ) emm %>% plot() + geom_text(mapping = aes(x= cartref, y = Probability,label=round(Probability,2)),nudge_x = 0.2,nudge_y = 0.008, size=rel(3)) + labs(title= "Plot effaith cartref a chyfrifiad",y = "Cyfradd drosglwyddo", x= "Cartref") + scale_color_discrete("Cyfrifiad") + theme(axis.text.x = element_text(angle=90)) rm(emm) ``` ::: ###### NS-SEC, cyfrifiad ac ardal Er bod llawer o'r cyfyngau hyder i'w gweld yn orgyffwrdd yn @Fig-3 isod, yn gyffredinol mae'r gwahaniaethau yn arwyddocaol yn ystadegol (p\<0.05). ```{r nssec_cyfrifiad} #| label: fig-3 #| fig-width: 10 #| fig-height: 7 emm <- estimate_means( model = mod1b_re, by = c("categori","cyfrifiad","Sirgrwp"), estimate = "average", backend = "marginalmeans",wts = "nifer" ) p <- emm %>% plot() + labs(title = "Plot effaith NS-SEC, cyfrifiad ac ardal", y = "Cyfradd drosglwyddo", x = "NS-SEC") + scale_color_discrete("Cyfrifiad") p rm(p) ``` Dyma'r eithriadau: ```{r contrasts} #| label: tbl-contrasts #| tbl-cap: Gwahaniaethau **nad ydynt** yn arwyddocaol yn ystadegol c1 <- estimate_contrasts(model = mod1b_re,contrast = c("categori"), by = c("Sirgrwp","cyfrifiad"),estimate = "average", backend = "marginalmeans",p_adjust = "hommel",wts = "nifer") c1 <- as.data.frame(c1) knitr::kable(c1[c1$p>0.05,c("Level1", "Level2", "Sirgrwp", "cyfrifiad", "Difference", "CI_low", "CI_high", "p")],digits = 2,row.names = FALSE, col.names = c("Grŵp 1","Grŵp 2","Ardal","Cyfrifiad","Gwahaniaeth","Terfan isaf cyfwng hyder 95%","Terfan isaf cyfwng hyder 95%","p")) rm(c1,c2) ``` ###### NS-SEC a chyfrifiad, yn ôl ardal ```{r plot_sirgrwp} #| fig-width: 10 #| fig-height: 7 siart_emm_sirgrwp('Gwynedd') siart_emm_sirgrwp('Sir Gâr, Ceredigion, Môn') siart_emm_sirgrwp('Gweddill Cymru') ``` ### MSOAs sy'n cynnwys ardaloedd a astudir gan 'Prosiect Bro' Mae'r ardaloedd a astudir gan '[Prosiect Bro](https://www.wales.ac.uk/cy/bro#:~:text=Mae%20prosiect%20BRO%20yn%20astudiaeth%20ddadansoddol%20o%20ddefnydd,Sefydlwyd%20BRO%20gyda%20chefnogaeth%20Cymraeg%202050%20Llywodraeth%20Cymru.)' yn ardaloedd o fewn y MSOAs sy yn y siartiau canlynol. Mae'r siartiau yn dangos y cyfraddau disgwyliedig yn ôl y model. ::: {layout-ncol="2"} ```{r brynaman_model} #| label: fig-mod-brynaman siart_emm_msoa("Brynaman, Y Garnant a Glanaman") ``` ```{r llanddarog_model} #| label: fig-mod-llanddarog siart_emm_msoa("Llanddarog, Llangyndeyrn a Glanyfferi") ``` ::: Newidiodd ffiniau y MSOAs sy'n cynnwys Gwauncaegurwen a Thregaron rhwng 2001 a 2011 felly dim ond 2011 a 2021 sy'n ymddangos yn y siartiau isod. ::: {layout-ncol="2"} ```{r tregaron_model} #| label: fig-mod-tregaron siart_emm_msoa("Rheidol, Ystwyth a Caron") ``` ```{r gwauncae_model} #| label: fig-mod-gwauncae siart_emm_msoa("Ystalyfera a Gwauncaegurwen") ``` ```{r ffestiniog_model} #| label: fig-mod-stiniog siart_emm_msoa("Blaenau Ffestiniog a Thrawsfynydd") ``` ```{r pwllheli_model} #| label: fig-mod-pwllheli siart_emm_msoa("Pwllheli a Morfa Nefyn") ``` ```{r llangefni_model} #| label: fig-mod-llangefni siart_emm_msoa("Llangefni") ``` ::: ### Ardaloedd eithriadol Yn y model 4 grŵp NS-SEC mae effaith MSOA yn cael ei drin fel effaith-hap yn hytrach nag un sefydlog, fel y mae cyfrifiad, oes, cartref ac yn y blaen yn cael eu trin. Mae'r effaith-hap yn symud llinell yr atchweliad i fynd neu i lawr. Yn y siart canlynol mae pob llinell yn cynrychioli MSOA a hyd y llinell yn dangos cyfwng hyder 95% am amcangyfrif y MSOA penodol. Mae'r MSOAs yng nghornel dde uchaf y siart yn rhai lle cafwyd, ar gyfartaledd, gyfraddau trosglwyddo uwch nag a ragwelwyd o ystyried yr effeithiau sefydlog. I'r gwrthwyneb, mae'r MSOAs yng nghornel chwith isaf y siart yn rhai â chyfraddau trosglwyddo is nag a ragwelwyd. ```{r siani_flewog} #| fig-width: 10 #| fig-height: 7 mod1b_re.df <- ranef(mod1b_re, condVar = TRUE)$cond class(mod1b_re.df) <- "ranef.mer" lattice::dotplot(mod1b_re.df, scales = list(y = list(alternating = 0))) -> y_dotplot y_dotplot$msoa21hclnmw$main <- "MSOAs" y_dotplot$msoa21hclnmw$condlevels$ind <- "Rhyngdoriad" y_dotplot ``` #### MSOAs â rhyngdoriad uchel Dyma'r MSOAs sy â rhyngdoriad uwch na `r round(unname(quantile(mod1b_re.df$msoa21hclnmw$"(Intercept)",probs = c(0.05,0.95))[2]),3)` sef y 5% uchaf (y dde uchaf yn y siart uchod), wedi eu rhestru o'r top i lawr, a siart am yr un uchaf un, sef *Dwyrain Porth ac Ynys-hir* ```{r msoas_cyfraddau_uchel} uchaf_5ycant <- row.names(mod1b_re.df$msoa21hclnmw)[which(mod1b_re.df$msoa21hclnmw$`(Intercept)`> quantile(mod1b_re.df$msoa21hclnmw$`(Intercept)`,probs = c(0.05,0.95))[2])][order( mod1b_re.df$msoa21hclnmw$`(Intercept)`[which(mod1b_re.df$msoa21hclnmw$`(Intercept)`> quantile(mod1b_re.df$msoa21hclnmw$`(Intercept)`,probs = c(0.05,0.95))[2])])] df <- data_mod_msoa %>% select(Sirgrwp, sir_cymraeg, msoa21hclnmw) %>% filter(msoa21hclnmw %in% uchaf_5ycant) %>% distinct() df[rev(order(match(df$msoa21hclnmw,uchaf_5ycant))),] %>% knitr::kable(col.names = c("Ardal","Awdurdod lleol","Enw'r MSOA")) rm(df) ``` ##### Enghreifftiau Mae'r siartiau yn dangos allbwn y model 4 grŵp NS-SEC ::: {layout-ncol="2"} ```{r porth_model} #| label: fig-porthmodel siart_emm_msoa("Dwyrain Porth ac Ynys-hir") ``` ```{r treganna_model} #| label: fig-tregannamodel siart_emm_msoa("Treganna") ``` ::: #### MSOAs â rhyngdoriad isel Dyma'r MSOAs sy â rhyngdoriad is na `r round(unname(quantile(mod1b_re.df$msoa21hclnmw$"(Intercept)",probs = c(0.05,0.95))[1]),3)` sef y 5% uchaf (y chwith isaf yn y siart uchod), wedi eu rhestru o'r gwaelod i fyny, a siart am yr un isaf un, sef *Caergybi*. ```{r msoas_cyfraddau_isaf} isaf_5ycant <- row.names(mod1b_re.df$msoa21hclnmw)[which(mod1b_re.df$msoa21hclnmw$`(Intercept)`<quantile(mod1b_re.df$msoa21hclnmw$`(Intercept)`,probs = c(0.05,0.95))[1])][order( mod1b_re.df$msoa21hclnmw$`(Intercept)`[which(mod1b_re.df$msoa21hclnmw$`(Intercept)`<quantile(mod1b_re.df$msoa21hclnmw$`(Intercept)`,probs = c(0.05,0.95))[1])])] df <- data_mod_msoa %>% select(Sirgrwp, sir_cymraeg, msoa21hclnmw) %>% filter(msoa21hclnmw %in% isaf_5ycant) %>% distinct() df[order(match(df$msoa21hclnmw,isaf_5ycant)),] %>% knitr::kable(col.names = c("Ardal","Awdurdod lleol","Enw'r MSOA")) rm(df) ``` ##### Enghreifftiau ::: {layout-ncol="2"} ```{r caergybi_model} #| label: fig-caergybimodel siart_emm_msoa("Caergybi") ``` ```{r bangor_model} #| label: fig-bangormodel siart_emm_msoa("Dinas Bangor") ``` ::: [1]: https://www.ons.gov.uk/methodology/classificationsandstandards/otherclassifications/thenationalstatisticssocioeconomicclassificationnssecrebasedonsoc2010 "NS-SEC" ## Ffynonellau #### Cyfrifiad 2001 c1469.xlsx Papur i gynhadledd y 'British Society for Population Studies' (BSPS) yn 2009: <https://statiaith.com/gwefan/pdfs/cyfrifiad2001/BSPS%202009%20Conference%20The%20intergenerational%20transmission%20of%20Welsh%2020090910.pdf> Cymhariaeth â Gaeleg yr Alban a'r Wyddeleg: <https://statiaith.com/gwefan/pdfs/cyfrifiad2001/20080303%20S%20DG%20Transmission%20rates%20summary.pdf> #### Cyfrifiad 2011 ct13322011census.xlsx 'Trosglwyddo'r Gymraeg ac Aelwydydd', datganiad ystadegol Llywodraeth Cymru, 28 Mehefin 2013: <https://www.llyw.cymru/sites/default/files/statistics-and-research/2019-03/130628-welsh-language-households-transmission-cy.pdf> 'Ymchwil i’r Amodau sydd yn Dylanwadu ar Drosglwyddo’r Gymraeg a’i Defnydd mewn Teuluoedd', dadansoddiad o gyfrifiad 2011 gan Jeremy Evas, Jonathan Morris, Lorraine Whitmarsh, Prifysgol Caerydd, mewn cydweithredied â Statiaith ac Arad, 12 Mehefin 2017 :<https://www.llyw.cymru/sites/default/files/statistics-and-research/2018-12/170612-welsh-language-transmission-use-in-families-cy.pdf> Pennod 3 ac Atodiad 1 Poster ddangoswyd yng nghynhadledd 2013 BSPS: <http://statiaith.com/gwefan/pdfs/cyfrifiad2011/20130814%20DG%20C%20Poster%20BSPS%20trosglwyddo.pdf> Siartiau amrywiol: <https://statiaith.com/blog/cyfrifiad-2011/trosglwyddor-gymraeg/siartiau_trosglwyddo/> #### Cyfrifiad 2021 ct210385census2021.xlsx Defnyddir data cyfrifiad 2021 a gyhoeddwyd yn <https://www.llyw.cymru/cyfansoddiad-cartrefi-yng-nghymru-o-ran-y-gymraeg-cyfrifiad-2021-html> <https://www.llyw.cymru/cyfraddau-trosglwyddor-gymraeg-ar-yr-aelwyd-yn-ol-rhyw-cyfrifiad-2021> Compendiwn data Prosiect Bro <https://www.llyw.cymru/sites/default/files/publications/2024-08/Compendiwm%20Prosiect%20BRO%20o%20Ystadegau%20Iaith%20Cyfrifiad%202021%20data.pdf> ## Methodoleg Trafodaeth am effeithiau ymylol a dibynnol <https://www.andrewheiss.com/blog/2022/11/29/conditional-marginal-marginaleffects/> <https://easystats.github.io/modelbased/articles/mixed_models.html> ### Manylion y meddalwedd ddefnyddiwyd ```{r} Sys.time() sessionInfo() ```