根据预定义向量中的数据和离散结果创建变量

Question

假设受访者 (id) 被要求做出二元（离散）选择，在五个任务 (t=1,2,3,4,5) 中选择 1 或 2（每个受访者有五个观察值的面板数据集)。

如果受访者选择选项 1，则结果是一个固定值（假设总是 30），但如果受访者选择选项 2，则结果是不同的，取决于受访者所接受的治疗（只有一个每个受访者的治疗，因为受访者仅被随机分配到一种治疗）。假设有四种治疗（一个向量），并且在每种治疗中，如果选择了选项 2，则有五个结果。

也就是说，

treat1= 1,2,3,4,5

treat2= 6,7,8,9,10

treat3= 11,12,13,14,15

treat4= 16,17,18,19,20

例如，在 treat1 的情况下，如果第一个任务中的受访者选择选项 2，则结果等于 1。在第二个任务中，受访者选择选项 1，则结果是30（一如既往）。在第三个任务中，如果受访者选择选项 2，则结果为 2（而不是 3）。即如果第一次在treat1中选择了选项2，则从treat1序列中选择第一个值；如果在treat1 中第二次选择了选项2，则从treat 2 序列中选择第二个值，依此类推。

结果如下所示。

+----+---+-----------+--------+---------+
| id | t | treatment | choice | outcome |
+----+---+-----------+--------+---------+
|  1 | 1 |         1 |      2 |       1 |
|  1 | 2 |         1 |      1 |      30 |
|  1 | 3 |         1 |      2 |       2 |
|  1 | 4 |         1 |      1 |      30 |
|  1 | 5 |         1 |      2 |       3 |
|  2 | 1 |         3 |      1 |      30 |
|  2 | 2 |         3 |      2 |      11 |
|  2 | 3 |         3 |      2 |      12 |
|  2 | 4 |         3 |      1 |      30 |
|  2 | 5 |         3 |      2 |      13 |
|  3 | 1 |         2 |      2 |       6 |
|  3 | 2 |         2 |      1 |      30 |
|  3 | 3 |         2 |      1 |      30 |
|  3 | 4 |         2 |      1 |      30 |
|  3 | 5 |         2 |      2 |       7 |
|  4 | 1 |         4 |      1 |      30 |
|  4 | 2 |         4 |      1 |      30 |
|  4 | 3 |         4 |      1 |      30 |
|  4 | 4 |         4 |      2 |      16 |
|  4 | 5 |         4 |      1 |      30 |
|  5 | 1 |         2 |      1 |      30 |
|  5 | 2 |         2 |      1 |      30 |
|  5 | 3 |         2 |      1 |      30 |
|  5 | 4 |         2 |      1 |      30 |
|  5 | 5 |         2 |      2 |       6 |
|  . | . |         . |      . |       . |
|  . | . |         . |      . |       . |
|  . | . |         . |      . |       . |
|  . | . |         . |      . |       . |
|  . | . |         . |      . |       . |
+----+---+-----------+--------+---------+

由于我的数据有数千个观察值，我想知道什么是生成变量结果的有效方法。

id、t、treatment 和 choice 变量在我的数据集中可用。

任何想法将不胜感激。谢谢。

Answer 1

另一种可能的方法是将处理组织到一个data.table中，然后在choice=2时通过引用进行连接和更新

#the sequence of treatment when choice==2
DT[choice==2, ri := rowid(id)]

#look up treatment for the sequence
DT[choice==2, outcome := treat[.SD, on=.(treatment, ri), val]]

#set outcome to 30 for choice=1
DT[choice==1, outcome := 30]

#delete column
DT[, ri := NULL]

数据：

library(data.table)
treat <- data.table(treatment=rep(1:4, each=5),
    ri=rep(1:5, times=4),
    val=1:20)

DT <- fread("id,t,treatment,choice,outcome
1,1,1,2,1
1,2,1,1,30
1,3,1,2,2
1,4,1,1,30
1,5,1,2,3")
DT[, outcome := NULL]

Answer 2

你没有提供任何样本数据，所以我先创建一些假数据

数据

set.seed(1)
treat_lkp <- list(trt1 = 1:5, trt2 = 6:10, trt3 = 11:15, trt4 = 16:20)
d_in <- expand.grid(task = 1:5, id = 1:5)
d_in$treatment <- paste0("trt", d_in$id %% 4 + 1)
d_in$choice <- sample(2, NROW(d_in), TRUE)

tidyverse 解决方案

我使用简单的tidyverse 解决方案。

library(purrr)
library(dplyr)
d_out <- d_in %>% 
  group_by(id) %>%
  mutate(task_new = cumsum(choice == 2)) %>%
  ungroup() %>%
  mutate(outcome = {
     l <- treat_lkp[as.character(d_in$treatment)]
     pmap_dbl(list(task = task_new, choice = choice, set = l),
              function(task, choice, set)
                 ifelse(choice == 1, 30, set[task])  
              )}
  )

head(d_out)
# # A tibble: 6 x 6
#    task    id treatment choice task_new outcome
#   <int> <int> <chr>      <int>    <int>   <dbl>
# 1     1     1 trt2           1        0      30
# 2     2     1 trt2           1        0      30
# 3     3     1 trt2           2        1       6
# 4     4     1 trt2           2        2       7
# 5     5     1 trt2           1        2      30
# 6     1     2 trt3           2        1      11

说明

您首先创建一个列表l，其中包含与您的结果相关的查找值（取决于treatment）。然后循环task、treatment 和choice 以选择30（对于choice == 1）或者使用来自l 的正确查找值

更新

考虑到注释，我们现在首先需要创建一个保持正确位置的task_new 变量。那是第一个choice == 2 应该导致1 第二个2 等等。所以我们group_byid 并通过cumsum 添加计数器。取消分组数据后，我们在 mutate 调用中使用 task_new。