有没有办法在 R 中过滤 50% 的响应率？

Question

我用 6 个问题 [Q1:Q6，有 2 个表达式]、4 个不同的组织单位 [Org_unit，1:4] 和另一个试图找出问题的调查来表示我正在处理的一项调查。 , 对应公司的人是否为经理[经理，1:2]，其中[1]代表经理，[2]代表员工。

小标题如下所示： 注意：[-9] 是无响应，因此我将它们分配给 NA。

library(dplyr)

Org_unit <- c(1,1,1,1,2,2,2,3,3,4)
Manager <- c(1,1,2,2,1,1,1,1,2,2)
Q1 <-  c(1,2,1,2,1,2,1,2,1,2)
Q2 <- c(1,-9,-9,-9,-9,-9,-9,-9,-9,-9) #Note one response
Q3 <- c(1,1,2,-9,-9,2,1,1, -9, 1)
Q4 <- c(1,1,-9,1,2,2,-9,1,-9,2)
Q5 <- c(1,-9,-9,-9,-9,-9,-9,-9,-9,-9)
Q6 <- c(1,-9,-9,-9,-9,-9,-9,-9,-9,-9)

df <- tibble(Org_unit, Manager, Q1, Q2, Q3, Q4, Q5, Q6)
df[df == -9] <- NA
df

# A tibble: 10 x 8
   Org_unit Manager    Q1    Q2    Q3    Q4    Q5    Q6
      <dbl>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1        1       1     1     1     1     1     1     1
 2        1       1     2    NA     1     1    NA    NA
 3        1       2     1    NA     2    NA    NA    NA
 4        1       2     2    NA    NA     1    NA    NA
 5        2       1     1    NA    NA     2    NA    NA
 6        2       1     2    NA     2     2    NA    NA
 7        2       1     1    NA     1    NA    NA    NA
 8        3       1     2    NA     1     1    NA    NA
 9        3       2     1    NA    NA    NA    NA    NA
10        4       2     2    NA     1     2    NA    NA

目的是找出有多少员工（条件 #1，经理必须是 [2]）回答了 [1] 的问题。基本上是员工的数量，他们在各自的 org_unit 中用 [1] 回答了特定问题。

示例：org_unit 1 共有 4 个成员。在这 4 人中，只有 2 人符合员工标准（经理 == 2）。 org_unit 1 中的 2 名员工中有 1 人用 [1] 回答了 Q1，换句话说，org_unit 1 中 50% 的员工用 [1] 回答了 Q1。

prop <-df %>%
  group_by(Org_unit) %>%
  filter(Manager == 2) %>%
  summarise(N = n(), 
        across(c(Q1, Q2, Q3, Q4, Q5, Q6), ~mean(. == 1))) 

prop
# A tibble: 3 x 8
  Org_unit     N    Q1    Q2    Q3    Q4    Q5    Q6
     <dbl> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1        1     2   0.5    NA    NA    NA    NA    NA
2        3     1   1      NA    NA    NA    NA    NA
3        4     1   0      NA     1     0    NA    NA

如我们所见，Q1 在 Org_unit 1 中有一个 prop 为 0,5 和总共 N = 2 个成员。所以这似乎可行。

问题是，回答不到所有问题 50% 的个人不应被算作各自小组的成员。让我们再看看 tibble。

# A tibble: 10 x 8
   Org_unit Manager    Q1    Q2    Q3    Q4    Q5    Q6
      <dbl>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1        1       1     1     1     1     1     1     1
 2        1       1     2    NA     1     1    NA    NA
 3        1       2     1    NA     2    NA    NA    NA
 4        1       2     2    NA    NA     1    NA    NA
 5        2       1     1    NA    NA     2    NA    NA
 6        2       1     2    NA     2     2    NA    NA
 7        2       1     1    NA     1    NA    NA    NA
 8        3       1     2    NA     1     1    NA    NA
 9        3       2     1    NA    NA    NA    NA    NA
10        4       2     2    NA     1     2    NA    NA

个人 3，尽管它符合员工标准（经理 == 2）并且至少有一个问题回答为（Q1 == 1），但 Q2 和 Q4：Q6 是不适用的，因此超过 50%所有的问题都没有回答。

我需要调整道具代码以减少所有未响应的 N 的数量（在这种情况下，org_unit 1 应该减少 2，因为个人 3 和 4，尽管它们符合某些标准，但有 4/ 6 个无响应。同样重要的是，org_unit 1 仍会继续显示在数据框中，而是将 N 列为 NA，并且应根据特定组中适当的成员数量调整比例。

有没有办法解决这个问题？提前致谢！

编辑：阈值应为

结果应该是这样的：

prop
# A tibble: 3 x 8
  Org_unit     N    Q1    Q2    Q3    Q4    Q5    Q6
     <dbl> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1        1    NA    NA    NA    NA    NA    NA    NA
2        2    NA    NA    NA    NA    NA    NA    NA    
3        3    NA    NA    NA    NA    NA    NA    NA
4        4     1     0    NA     1     0    NA    NA

Answer 1

我的理解是，您要计算N 不是dplyr::n()，而是作为Manager == 2 并且回答了（!is.na）至少50% 的问题Q1:Q6 的受访者数量.

我们可以使用dplyr::rowwise 执行此操作，然后按行计算NA 的sum 是否小于或等于3。然后我们可以恢复原来的计算和group_by(Org_unit)，将N每组计算为sum(N)，然后在across的函数内使用N作为sum(.x == 1, na.rm = TRUE) / N，而不是使用mean。

所提供的数据对于这个特定示例来说并不是很好，因为大多数受访者的回复中有 50% 或更多 NAs。通常N 将是0，因此我们需要一个if else 流来解释我们划分N == 0 的情况。

library(dplyr)

prop <- df %>%
  filter(Manager == 2) %>%
  rowwise() %>% 
  mutate(N = sum(is.na(c_across(Q1:Q6))) <= 3) %>% 
  group_by(Org_unit) %>%
  summarise(N = sum(N),
            across(c(Q1:Q6), ~ if(N > 0) {
              sum(.x == 1, na.rm = TRUE) / N
              } else NA_real_))

prop

#> # A tibble: 3 x 8
#>   Org_unit     N    Q1    Q2    Q3    Q4    Q5    Q6
#>      <dbl> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1        1     0    NA    NA    NA    NA    NA    NA
#> 2        3     0    NA    NA    NA    NA    NA    NA
#> 3        4     1     0     0     1     0     0     0

^{由reprex package (v2.0.1) 于 2021-09-08 创建}

正如@mnist 所建议的，这里有一个更具可扩展性的版本：

df %>%
  filter(Manager == 2) %>%
  rowwise() %>% 
  mutate(N = mean(is.na(c_across(starts_with("Q")))) <= 0.5) %>% 
  group_by(Org_unit) %>%
  summarise(N = sum(N),
            across(starts_with("Q"), ~ if(N > 0) {
              sum(.x == 1, na.rm = TRUE) / N
            } else NA_real_))

Answer 2

这是你要找的吗？

首先在 group_by 中添加语句 .drop = FALSE 以不从原始表中删除 Org_units。然后我们发送rowMeans 来检查是否有 50% 或更多的问题得到了回答。

df %>%
  group_by(Org_unit, .drop = FALSE) %>%
  filter(rowMeans(is.na(across(matches("Q\\d+")))) <= 0.5) %>%
  filter(Manager == 2) %>%
  summarise(N = n(), across(matches("Q\\d+"), ~mean(. == 1))) 

导致：

  Org_unit     N    Q1    Q2    Q3    Q4    Q5    Q6
     <dbl> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1        1     0   NaN   NaN   NaN   NaN   NaN   NaN
2        2     0   NaN   NaN   NaN   NaN   NaN   NaN
3        3     0   NaN   NaN   NaN   NaN   NaN   NaN
4        4     1     0    NA     1     0    NA    NA

Answer 3

Idea 与 @Tim 类似，但 rowwise 使用 pmap_int

df %>%
  filter(Manager == 2) %>%
  mutate(
    count = pmap_int(
      select(., matches("^Q[0-9]+$")),
      ~sum(is.na(c(...))) * 2 <= length(c(...))
    ) 
  ) %>%
  group_by(Org_unit) %>%
  summarise(
    N = sum(count),
    N = ifelse(N > 0, N, NA_integer_),
    across(matches("^Q[0-9]+$"), ~sum(.x == 1) / N)
  )