如何根据现有数据集中一个变量的行创建新数据集，而每一行都有多个观察值

Question

我有一个具有以下结构的数据集：

变量“类”= 1,..,50 每个班级都有多个观察结果：从 2000（第 1 类中的#obs）到 200（第 50 类中的#obs） 每个班级中每个人的变量年龄、性别、艾滋病毒

我要做的是从这个原始数据集中创建数据，每行显示变量“类”（另一方面，50 行，而不是原始数据集的大约 10000 行）和用你看到的变量。

我是 R 的新手，所以我不确定如何以例如第 1 行显示第 1 类但包含 2000 个人的年龄、性别和 HIV 信息的方式压缩（？！）数据！

我需要这个新数据集，因为我正在编写一个函数（glm），该函数的数据源不应该是原始数据，它应该基于类！ 但是这个glm的预测将在个人层面上！ （关于原始数据）

谁能帮我帮忙或提示一下？

这是一个小规模的数据，如下所示：

library(simstudy)

Class <- defData(varname = "Class", dist = "categorical", formula = "0.8;0.2", id="Class1")

Class <- defData(Class, varname = "Classic", dist = "categorical", formula = "0.8;0.2")

Class <- defData(Class, varname = "clustersize",dist = "normal", formula = "5", variance = 0)

d1 <- genData(1, Class) #'
d1

dF1 <- genCluster(d1, cLevelVar = "Class", numIndsVar = "clustersize", level1ID = "Class1")
dF1

Class2<- defData(varname = "Class", dist = "categorical", formula = "0.3;0.2;0.1;0.3;0.1", id="Class1")

Class2 <- defData(Class2, varname = "Classic", dist = "categorical", formula = "0.3;0.2;0.1;0.3;0.1")

Class2 <- defData(Class2, varname = "clustersize",dist = "noZeroPoisson", formula = "3")


d2 <- genData(3, Class2) #'
d2

dF2 <- genCluster(d2, cLevelVar = "Class", numIndsVar = "clustersize", level1ID = "Class1")
dF2

d<-rbind(dF1,dF2)

v <- defDataAdd( varname = "Age", dist = "normal", formula = "20", variance = 10)

v <- defDataAdd(v, varname = "Sex", dist = "binary", formula = "0.4", link = "logit")

v <- defDataAdd(v, varname = "HIV", dist = "binary", formula = "0.7", link = "logit")

d <- addColumns(v, d)

Y<- defDataAdd( varname = "Y", dist = "binary", formula = "0.1*Age+0.2*Sex+0.5*HIV", link = "logit")

d <- addColumns(Y, d)

d

让我们这样说吧。 “d”是我拥有的原始数据集，根据我给出的代码有 16 行（个人）。现在我想按年龄、性别、艾滋病毒对 Y 进行建模，但该模型应该使用的数据不是“d”，它必须是从“d”中提取的新数据集，最终得到 3行（因为我有 3 个班级）。所以我的困惑是，当我在第 1 类中有 11 个人、在第 2 类中有 2 个人、在第 3 类中有 3 个人时，我该怎么做（从 d 创建一个新数据集）。所以我将在这个新数据集中运行模型，并将在原始数据集“d”中预测它

Answer 1

感谢您更新问题。但是，我无法重现您的示例。该代码给出了一个错误。如果您想估计 GLM，您可以先创建因子，然后拟合 GLM。我不清楚你所说的类是什么意思。

假设您有以下数据mtcars，并希望通过vs 和gear 对cyl 建模。然后你可以先为vs和gear创建因子，然后在glm中使用新数据。

library(dplyr)

# Change vs and gear to factors
mtcars1 <- mtcars %>%
  mutate(across(c(vs,gear), as.factor))

比较以下两个：

glm(cyl ~ vs + gear, data = mtcars1)
glm(cyl ~ vs + gear, data = mtcars)

第一个使用因子，第二个使用数值。