Question

在SPSS中，您可以计算针对最少问题数量的案例的方法。在SPSS中我会输入

COMPUTE compvar = MEAN.4（var1，var2，var3，var4，var5，var6，var7）。

这将仅为具有4个或更多数组var1-var7的值的情况生成新变量（即compvar）。这就是.4在命令中所做的事情，在命令运行之前设置最小数量的响应。

关于在R中执行此操作的任何提示，我可以停止跳转到SPSS？

Answer 1

据我所知，还没有内置功能 - 您可以试试这个功能：

mycolmeans<-function(df,n){
  holding<-colMeans(df,na.rm=TRUE)
  holding[n > as.vector(colSums(!is.na(df)))]<-NA
  holding
}

这假设您有一个数据框保存您的值在列中，并且您希望在它有太多缺失值时返回NA，这些缺失值表示为NA。

x <- structure(list(a = c(1, 2, 3, 4, 5, 6), b = c(NA, NA, 3, 4, 5, 
6)), .Names = c("a", "b"), row.names = c(NA, -6L), class = "data.frame")

mycolmeans(x,4)
mycolmeans(x,6)

Answer 2

这可能代表一种可能性：

compvar <- sapply(1:nrow(df),function(x) ifelse(sum(!is.na(df[x,])*1)>=4, mean(as.numeric(df[x,]),na.rm=TRUE),NA))

我假设您的数字数据存储在数据框df中。输出是长度为nrow的向量compvar，其中包含df中相应行的平均值，或者如果该行中少于四个非NA条目，则包含NA。 / p>

Answer 3

我们假设您有一个包含5个变量的data.frame

df <- data.frame(
  var1 = sample(c(NA,rnorm(5)),50,replace = TRUE),
  var2 = sample(c(NA,rnorm(5)),50,replace = TRUE),
  var3 = sample(c(NA,rnorm(5)),50,replace = TRUE),
  var4 = sample(c(NA,rnorm(5)),50,replace = TRUE),
  var5 = sample(c(NA,rnorm(5)),50,replace = TRUE)
)

我会先计算每一行的平均值。以下命令计算每一行的平均值，忽略该行具有NA（SPSS中为99或简称为＃34;缺少＆＃34;）值。

df$compvar <- rowMeans(df, na.rm = TRUE)

然后我会设置NA的数量大于X的响应（在本例中为1）。这会将data.frame转换为TRUE FALSE字段，您可以将其设置为简单的rowSum，并设置为条件。

df[rowSums(sapply(df, is.na)) > 1,]$compvar <- NA

您应该查看以下各项，以了解每一步提供的内容：

sapply(df, is.na)
rowSums(sapply(df, is.na))
rowSums(sapply(df, is.na)) > 1
df[rowSums(sapply(df, is.na)) > 1,]

作为一个功能，这可以写成：

#' Row means with minimum response
#' 
#' Emulates SPSS MEAN.X functionality
#' @param df A data.frame
#' @param x The number of responses required per row.
#' @export
meanx <- function(df,x) { 
  df$compvar <- rowMeans(df, na.rm = TRUE)
  df[rowSums(sapply(df, is.na)) > x,]$compvar <- NA
  return(df)
}

Answer 4

请参阅sjmisc-package中的mean_n()。

mean_n(data, 4)

计算响应R

4 个答案: