如何在 R 或 Stata 中绘制相对频率

Question

我有这个数据集：

> head(xc)
  wheeze3 SmokingGroup_Kai TG2000 TG2012 PA_Score asthma3 tres3 age3    bmi     bmi3
1       0                1      2      2        2       0     0   47 20.861 21.88708
2       0                5      2      3        3       0     0   57 20.449 23.05175
3       0                1      2      3        2       0     0   45 25.728 26.06168
4       0                2      1      1        3       0     0   48 22.039 23.50780
5       1                4      2      2        1       0     1   61 25.391 25.63692
6       0                4      2      2        2       0     0   54 21.633 23.66144
  education3 group_change
1          2            0
2          2            3
3          3            3
4          3            0
5          1            0
6          2            0

这里 asthma3 是一个取值 0,1 的变量； group_change 取值 0,1,2,3,4,5,6 ； age3 代表年龄。

我想将拥有asthma3==1 的人的百分比绘制为变量age3 的函数。 我想要将样本除以group_change 获得的同一图上的 6 条线。

我认为使用ggplot2 应该可以做到这一点。

Answer 1

这是一个 ggplot2 方法：

library(ggplot2)
library(dplyr)

# Create fake data
set.seed(10)
xc=data.frame(age3=sample(40:50, 500, replace=TRUE),
           asthma3=sample(0:1,500, replace=TRUE), 
           group_change=sample(0:6, 500, replace=TRUE)) 

# Summarize asthma percent by group_change and age3 (using dplyr)
xc1 = xc %.%
  group_by(group_change, age3) %.%
  summarize(asthma.pct=mean(asthma3)*100)

# Plot using ggplot2
ggplot(xc1, aes(x=age3, y=asthma.pct, colour=as.factor(group_change))) + 
  geom_line() + 
  geom_point() +
  scale_x_continuous(breaks=40:50) +
  xlab("Age") + ylab("Asthma Percent") +
  scale_colour_discrete(name="Group Change")

这是另一种 ggplot2 方法，它直接使用原始数据框并即时计算百分比。我还将 y 轴格式化为百分比格式。

library(scales) # Need this for "percent_format()"
ggplot(xc, aes(x=age3, y=asthma3, colour=as.factor(group_change))) + 
  stat_summary(fun.y=mean, geom='line') +
  stat_summary(fun.y=mean, geom='point') +
  scale_x_continuous(breaks=40:50) +
  scale_y_continuous(labels=percent_format()) +
  xlab("Age") + ylab("Asthma Percent") +
  scale_colour_discrete(name="Group Change")

Answer 2

这是使用 Stata 的一种方法。示例数据分为三组。

比例是根据您识别为二进制变量的asthma3 的平均值计算得出的。

clear all
set more off

*----- example data -----

set obs 500
set seed 135

gen age3 = floor((50-40+1)*runiform() + 40)
gen asthma3 = round(runiform())
egen group_change = seq(), to(3)

*----- pretty list -----

order age3 group_change 
sort age3 group_change asthma3
list, sepby(age3)

*----- compute proportions -----

collapse (mean) asthma3, by(age3 group_change)
list

*----- syntax for graph and graph -----

levelsof(group_change), local(gc)

local i = 1
foreach g of local gc {
    local call `call' || connected asthma3 age3 if group_change == `g', sort
    local leg `leg' label(`i++' "Group`g'") // syntax for legend
}

twoway `call' legend(`leg') /// graph
    title("Proportion with asthma by group")

这与我在Statalist 中提出的第一个问题不谋而合。用尼克的话来说，您使用本地宏“构建语法”，然后将其提供给twoway。

@NickCox 在评论中提出了一个替代方案：

<snip>

*----- compute proportions -----

collapse (mean) asthma3, by(age3 group_change)
list

*----- graph -----

separate asthma3, by(group_change) veryshortlabel

twoway connected asthma31-asthma33 age3, sort ///
    title("Proportion with asthma by group")

<snip>

第二种选择从原始asthma3 创建新变量，我在对twoway connected 的调用中将其缩写为asthma31-asthma33。

这两种选择都会生成一个图例来标识组。我留给你的标签（见help graph）。