如何根据整个数据帧中的 id 计算变量的对间相关性？

Question

我有一个孪生数据集，其中有一列名为wpsum ，另一列是family-id ，这对于相应的孪生对是相同的。

        wpsum    family-id
twin 1     14          220    
twin 2     18          220

我想计算那些具有相同家庭 ID 的人的wpsum之间的相关性，而如果一个双胞胎没有参加重新调查，那么也有一些单身family id's 。 family-id是一个字符。

Answer 1

正如您所说，具有相同家庭 ID 的wpsum之间没有相关性，主要是因为在family-id组中没有与wpsum相关wpsum第三个变量（请参阅我的评论），但是您可以获得wpsum的差异组内得分。 也许这就是你所说的相关性。 以下是获取这些内容的方法（我更改并扩展了您的示例）：

dat <- data.frame(wpsum = c(14, 18, 20, 5, 10, NA, 1), 
              family_id = c("220","220","221","221","222","222","223"))
dat
  wpsum family_id
1    14       220
2    18       220
3    20       221
4     5       221
5    10       222
6    NA       222
7     1       223

diffs <- by(dat, dat$family_id, function(x) abs(x$wpsum[1] - x$wpsum[2]))
diffs
dat$family_id: 220
[1] 4
------------------------------ 
dat$family_id: 221
[1] 15
------------------------------
dat$family_id: 222
[1] NA
------------------------------
dat$family_id: 223
[1] NA

您可以使用这个新的差异变量创建一个 data.frame，如下所示：

diff.frame <- data.frame(diffs = as.numeric(diffs), family_id = names(diffs))
diff.frame
  diffs family_id
1     4       220
2    15       221
3    NA       222
4    NA       223

请注意，这里的缺失值和缺失观测值都不是（编码）问题——它们只会导致没有错误的差异缺失。 但是，如果您在每个家庭 ID 中开始有两个以上的观察，那么您需要做一些不同的事情。