我正在分析一些调查数据并使用 expss
创建表格。
我们的问题之一是关于品牌知名度。我有 3 种类型的品牌:BrandA 是大部分样本子集看到的品牌,BrandB 是一小部分样本(互斥!)子集看到的品牌,BrandC 是每个受访者看到的品牌。
我想将此认知度问题视为多重响应问题,并报告了解每个品牌的人(实际看到该品牌的人)所占的百分比。 (在本例中,值为 1 表示受访者了解该品牌。)
我能得到的最接近的结果是使用下面的代码,但是 tab_stat_cpct()
没有报告准确的百分比或案例数量,正如您在附表中看到的那样。当您将表中列出的总百分比与手动计算的总百分比(即通过 mean(data$BrandA, na.rm = TRUE)
)进行比较时,报告值对于BrandA 和 BrandB,以及 BrandC 的值过高。 (更不用说案例总数应该是 25 个。)
我已经阅读了文档,并且我知道这个问题是由于 tab_stat_cpct()
如何定义一个“case”来计算百分比的,但我没有看到一个参数将调整该定义以满足我的需要。我错过了什么吗?或者有其他方法可以报告准确的百分比吗?谢谢!
set.seed(123)
data <- data.frame(
Age = sample(c("25-34", "35-54", "55+"), 25, replace = TRUE),
BrandA = c(1, 0, 0, 1, 0, 1, NA, NA, NA, NA, NA, NA, NA, 1,
0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1),
BrandB = c(NA, NA, NA, NA, NA, NA, 1, 1, 0, 1, 0, 1, 1, NA,
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA),
BrandC = c(1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 0,
1, 1, 1, 0, 1, 0, 1, 0, 1)
)
data %>%
tab_cells(mrset(as.category(BrandA %to% BrandC))) %>%
tab_cols(total(), Age) %>%
tab_stat_cpct() %>%
tab_last_sig_cpct() %>%
tab_pivot()
## | | #Total | Age | | |
## | | | 25-34 | 35-54 | 55+ |
## | | | A | B | C |
## | ------------ | ------ | ------- | ----- | ---- |
## | BrandA | 52.4 | 83.3 B | 28.6 | 50.0 |
## | BrandB | 23.8 | | 42.9 | 25.0 |
## | BrandC | 71.4 | 100.0 C | 71.4 | 50.0 |
## | #Total cases | 21 | 6 | 7 | 8 |
最佳答案
认为多个响应集中的所有项目都具有相同的基数。 mdset
的基数是我们至少有一个非空项(值为 1 的项)的情况数。这就是为什么您的品牌的基数是 21。如果我们单独处理每个项目,那么我们需要显示每个项目的总数来计算重要性。在很多情况下这是非常不方便的。
根据您的情况,您可以使用以下功能:
library(expss)
tab_stat_dich = function(data, total_label = NULL, total_statistic = "u_cases",
label = NULL){
if (missing(total_label) && !is.null(data[["total_label"]])) {
total_label = data[["total_label"]]
}
if(is.null(total_label)){
total_label = "#Total"
}
# calculate means
res = eval.parent(
substitute(
tab_stat_mean_sd_n(data, weighted_valid_n = "w_cases" %in% total_statistic,
labels = c("|", "@@@@@", total_label),
label = label)
)
)
curr_tab = res[["result"]][[length(res[["result"]])]]
# drop standard deviation
curr_tab = curr_tab[c(TRUE, FALSE, TRUE), ]
# convert means to percent
curr_tab[c(TRUE, FALSE), -1] = curr_tab[c(TRUE, FALSE), -1] * 100
## clear row labels
curr_tab[[1]] = gsub("^(.+?)\\|(.+)$", "\\2", curr_tab[[1]], perl = TRUE )
res[["result"]][[length(res[["result"]])]] = curr_tab
res
}
set.seed(123)
data <- data.frame(
Age = sample(c("25-34", "35-54", "55+"), 25, replace = TRUE),
BrandA = c(1, 0, 0, 1, 0, 1, NA, NA, NA, NA, NA, NA, NA, 1,
0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1),
BrandB = c(NA, NA, NA, NA, NA, NA, 1, 1, 0, 1, 0, 1, 1, NA,
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA),
BrandC = c(1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 0,
1, 1, 1, 0, 1, 0, 1, 0, 1)
)
res = data %>%
tab_cells(BrandA %to% BrandC) %>%
tab_cols(total(), Age) %>%
tab_stat_dich() %>%
tab_last_sig_cpct() %>%
tab_pivot()
res
# | | #Total | Age | | |
# | | | 25-34 | 35-54 | 55+ |
# | | | A | B | C |
# | ------ | ------ | ----- | ------ | ---- |
# | BrandA | 61.1 | 71.4 | 83.3 C | 20.0 |
# | #Total | 18 | 7 | 6 | 5 |
# | BrandB | 71.4 | 100.0 | 66.7 | 50.0 |
# | #Total | 7 | 2 | 3 | 2 |
# | BrandC | 60.0 | 55.6 | 66.7 | 57.1 |
# | #Total | 25 | 9 | 9 | 7 |
# if we want to drop totals
where(res, !grepl("#", row_labels))
# | | #Total | Age | | |
# | | | 25-34 | 35-54 | 55+ |
# | | | A | B | C |
# | ------ | ------ | ----- | ------ | ---- |
# | BrandA | 61.1 | 71.4 | 83.3 C | 20.0 |
# | BrandB | 71.4 | 100.0 | 66.7 | 50.0 |
# | BrandC | 60.0 | 55.6 | 66.7 | 57.1 |
关于r - expss表中的百分比不准确,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52211257/