如何将两个变量指定为一个因子的相等水平？

Question

在我的数据集中，我有一个名为 Condition 的变量。我将此建模为具有两个级别的因素：Control 和Treatment。在同一个数据框中，我还有变量：Fish1、Fish2、Frechfires1、Frenchfries2。我想将这些'Ordinalvariables' 建模为Fish 高于fries 的治疗组水平！同时，我想保持Fish1 和Fish2 的级别相等，fries1&2 相同，Treatment 的所有级别都相同（这是变量Condition 的级别）。

用于拟合混合模型：Health~Condition() 考虑到鱼和薯条的影响

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

如果我正确理解了这个问题，那么您真的只需要有序的因子级别“Fish”和“Fries”，数字 1 和 2 提供的每个级别之间有一些进一步的区别。

使用以下数据：

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)

我会使用tidyr::gather() 将列名Num_* 放入变量product，然后将产品类型和产品编号分别提取到有序和无序因子。

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")
                             )
    )

您应该最终得到一个如下所示的数据框，您可以使用它来灵活地比较“Fish”和“Fries”（序数），或“Fish 1”和“Fish 2”（在这两种情况下都只是“ Fish”，所以本质上是名义上的）等。我将product_num 转换为一个因子，而不是一个整数向量，以避免可能由整数的内在顺序引起的任何混淆。根据您的建模策略，您可能仍需要对数据进行子集化和/或重新分级。

# 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