Question

主要问题是数据加载了因子，但如果我关闭因子，所有数字都会改变。数据集位于https://www.dropbox.com/s/71se6zo5ucqki8v/yrbs2013.dta?dl=0

由于最后的“岁月”，我不能对此进行数据分析。但是，在stata中，它似乎忽略了最后的“岁月”输出，数据很容易操作。我的问题：如何将这些基于因子的文本变量从“14岁”转换为“14”的数值，以便我可以进行数据分析

library(foreign)
yrbs=read.dta('yrbs2013.dta',convert.factors = T)
head(yrbs$Q1)
[1] 14 years old 14 years old 15 years old 15 years old 15 years old 15 years old
7 Levels: 12 years old or younger 13 years old 14 years old ... 18 years old or older

以下是关闭因子的输出。所有的数字都被重新编码，并且采用这种方法会产生毫无意义的结果。

yrbs=read.dta('yrbs2013.dta',convert.factors = F)
head(yrbs$Q1)
[1] 3 3 4 4 4 4

我还尝试将数据集转换为csv，然后出现同样的问题。我试图避免复杂的正则表达式拆分和运行as.numeric()，因为我不想对整个数据集执行此操作。

Answer 1

您可以简单地将字段作为文本阅读并使用它们：

yrbs <- read.dta('yrbs2013.dta')
yrbs$Q1 <- with(yrbs, as.integer(gsub("[^0-9]", "", Q1)))

> with(yrbs, table(Q1))
Q1
  12   13   14   15   16   17   18 
  26   18 1368 3098 3203 3473 2320

请注意，这会导致信息丢失 - 实际上，12和18值原来是＆＃34; 12岁或更小的＆＃34;和＆＃34; 18岁或以上＆＃34;分别。不确定你想做什么。

Answer 2

我似乎无法重现你在Stata中所描述的内容。在Stata中打开文件表明Stata只有两个这个变量的表示

作为标签
作为整数值1：7

为了说服自己，在Stata中尝试输入以下内容

generate Q1n = Q1 +0

似乎Stata实际上并没有将变量存储在12:18的任何位置 - 这可能是Stata可能以似乎的方式截断标签，就好像这个变量一样被存储为12:18。

我敢打赌MichaelChirico的回答证明了唯一可行的方法。

我重申这个变量不是数字：它是有序的，因为18类真的是＆gt; = 18而12类真的是＆lt; = 12这可能是也可能不是问题，但是你应该知道你将一个有序的分类强制转换为数字变量。

在R中加载stata .dta文件并进行数据分析

2 个答案: