R 中的频率计数和组合分析差异？

Question

以下代码生成数据：

# Set the seed for reproducibility
set.seed(123)

# Generate random data
n <- 490
PTSD <- sample(c(1, 2, NA), n, replace = TRUE) #class(PTSD) = "numeric"
ANX <- sample(c(1, 2, NA), n, replace = TRUE) #class(ANX) = "numeric"
DEP <- sample(c(1, 2, NA), n, replace = TRUE) #class(DEP) = "numeric"

# Create the data frame
df <- data.frame(PTSD, ANX, DEP) #class(df) = "data.frame"

# Label the values: 1 = Low, 2 = High
expss::val_lab(df$PTSD) = expss::num_lab("1 Low
                                        2 High")
expss::val_lab(df$ANX) = expss::num_lab("1 Low
                                        2 High")
expss::val_lab(df$DEP) = expss::num_lab("1 Low
                                        2 High")

# Create a list of tables for each variable to count 1s, 2s, and NAs
count_results <- list(
  PTSD = table(df$PTSD, useNA = "ifany"),
  ANX = table(df$ANX, useNA = "ifany"),
  DEP = table(df$DEP, useNA = "ifany")
)

这部分代码进行了一些频率计数并总结了数据：

# Combine the count tables into a single table
count_table <- do.call(rbind, count_results)

# Initialize empty vectors to store results
variable_names <- character()
sample_sizes <- numeric()

# Loop through the test results and extract relevant information
for (variable_name in names(count_results)) {
  sample_sizes <- c(sample_sizes, sum(count_results[[variable_name]]))
  variable_names <- c(variable_names, variable_name)
}

# Create summary data frame
summary_df <- data.frame(
  Variable = variable_names,
  N = sample_sizes
)

# Combine the count table and chi-squared summary table by columns
final_result <- cbind(count_table, summary_df)

# Remove Variable column in the middle of the table
final_result <- subset(final_result, select = -c(Variable))

这部分代码执行我所说的“组合分析”（它基于此SO线程接受的答案）：

library(dplyr)

out <- df %>%
  mutate(id = row_number())%>%
  tidyr::pivot_longer(PTSD:DEP) %>%
  filter(value == 2)%>%
  summarise(combination = toString(name),.by=id) %>%
  summarise(n = n(), .by = combination)

打印频率计数和摘要会生成以下内容：

> print(final_result)
     Low High  NA   N
PTSD 164  167 159 490
ANX  157  156 177 490
DEP  168  156 166 490

打印频率计数和摘要会生成以下内容：

# A tibble: 7 × 2
  combination        n
  <chr>          <int>
1 ANX               72
2 ANX, DEP          28
3 PTSD              82
4 DEP               76
5 PTSD, DEP         29
6 PTSD, ANX         33
7 PTSD, ANX, DEP    23

我真正感兴趣的是“高”频率及其组合（即 PTSD == 2、ANX == 2 和 DEP == 2）。

因此，我预计两个表之间的 PTSD High、ANX High 和 DEP High 是相同的，但事实并非如此！

为了检查第二个表（即 tibble 表）应显示的内容，我将

df

导出到 CSV 文件并将其导入到电子表格中。

我使用了

COUNTIFS

函数（具有以下语法

COUNTIFS(criteria_range1, criteria1, [criteria_range2, criteria2]…)

），得到了下表：

Combination        n
--------------------
PTSD             167
ANX              156
DEP              156
PTSD + ANX        56
PTSD + DEP        52
ANX  + DEP        51
PTSD + ANX + DEP  23

我的问题：

• 假设我通过电子表格分析获得的结果是正确的，那么“组合分析”的代码是什么才能反映相同的结果？

Answer 1

以下是您必须在 Excel 中使用 countif 完成的操作的再现

library(tidyverse)

library(rlang)
t3 <- c("PTSD","ANX","DEP")

(combs <- map(seq_along(t3),\(n)combn(t3,n,simplify = FALSE)) |> flatten())

(filts <- parse_exprs(map_chr(combs,\(x)paste0(x ,'== 2',collapse=' & '))))
(filtsnames <- parse_exprs(map_chr(combs,\(x)paste0(x ,collapse=' + '))))
names(filts) <- filtsnames

(out2 <- map_int(filts,\(x){
     df %>%
  mutate(id = row_number())%>%
    filter(!!(x))%>%
  summarise(
    n = n())
  } |> pull(n)
))

 enframe(out2)