如何將兩個變量指定為一個因子的相等水平？

Question

在我的數據集中，我有一個名為Condition的變量。 我將此建模為具有兩個級別的因素： Control和Treatment 。 在同一個數據框中，我還有變量： Fish1 、 Fish2 、 Frechfires1 、 Frenchfries2 。 我想將 model 這些'Ordinalvariables'作為Fish高於fries的治療組的水平，同時，我想保持Fish1和Fish2的水平相同，並且對於 fries1&2-all 進行Treatment （這是變量Condition的水平）。

適合混合 model： Health~Condition() 考慮到魚和薯條的影響

Condition  SubNum  Trial Num_Fish1 Num_Fish2 Num_Fries1 Num_Fries2  Health
Treatment   1        1     1           1          2        1          3
Treatment   1        2     0           3          4        1          5
Control     2        1     0           0          0        0          4
Control     2        2     0           0          0        0          5

Answer 1

如果我正確理解了這個問題，那么您真的只需要有序的因子水平“魚”和“薯條”，並在數字 1 和 2 提供的每個級別內進一步區分。

使用以下數據：

df <- read.table(text = "Condition  SubNum  Trial Num_Fish1 Num_Fish2 Num_Fries1 Num_Fries2  Health
Treatment   1        1     1           1          2        1          3
Treatment   1        2     0           3          4        1          5
Control     2        1     0           0          0        0          4
Control     2        2     0           0          0        0          5", header = T)

我會使用tidyr::gather()將列名Num_*放入變量product中，然后將產品類型和產品編號分別提取為有序和無序因子。

library(tidyr)
library(dplyr)
library(stringr)

df_out <- df %>% 
    gather("product", "product_value", -c(Condition:Trial, Health)) %>% 
    mutate(product_num = factor(str_match(product, "\\d")),
           product = ordered(str_remove_all(product, "Num_|\\d"),
                             levels = c("Fries", "Fish")
                             )
    )

您最終應該得到一個如下所示的數據框，您可以使用它來靈活地比較“Fish”和“Fries”（序數），或“Fish 1”和“Fish 2”（在這兩種情況下都只是“Fish”，所以本質上是名義上的）等。我將product_num轉換為一個因子，而不是一個 integer 向量，以避免可能由整數的內在順序引起的任何混淆。 根據您的建模策略，您可能仍需要對數據進行子集化和/或重新分級。

# A tibble: 16 x 7
   Condition SubNum Trial Health product product_value product_num
   <fct>      <int> <int>  <int> <ord>           <int> <fct>      
 1 Treatment      1     1      3 Fish                1 1          
 2 Treatment      1     2      5 Fish                0 1          
 3 Control        2     1      4 Fish                0 1          
 4 Control        2     2      5 Fish                0 1          
 5 Treatment      1     1      3 Fish                1 2          
 6 Treatment      1     2      5 Fish                3 2          
 7 Control        2     1      4 Fish                0 2          
 8 Control        2     2      5 Fish                0 2          
 9 Treatment      1     1      3 Fries               2 1          
10 Treatment      1     2      5 Fries               4 1          
11 Control        2     1      4 Fries               0 1          
12 Control        2     2      5 Fries               0 1          
13 Treatment      1     1      3 Fries               1 2          
14 Treatment      1     2      5 Fries               1 2          
15 Control        2     1      4 Fries               0 2          
16 Control        2     2      5 Fries               0 2