フィルタ私は回帰を実行するために全国調査を使用していますR

Question

中に2回以上現れる個人のみ取得するにはNAとDF：調査は隔年で行われ、いくつかの個人が繰り返し他人ながら、ちょうど1時間にインタビューをしているし。

は、今私は（複数回表示されるだけで個人を持っている）DFパネル1にしたいです。 DFは、このようなものです：nquestは家族のコード番号です

year nquest nord nordp sex age 
    2000 10 1  1 F 40 
    2000 10 2  2 M 43 
    2000 30 1  1 M 30 
    2002 10 1  1 F 42 
    2002 10 2  2 M 45 
    2002 10 3  NA F 15 
    2002 30 1  1 M 32 
    2004 10 1  1 F 44 
    2004 10 2  2 M 47 
    2004 10 3  3 F 17 
    2004 50 1  NA M 66 

、ノール個人やnordpのコード番号は、個人が前回調査に持っていたことをコード番号です。新しい個人がインタビューされたとき、nordpの値は "missing"（Rは自動的にNAを挿入する）です。たとえば、家族10の個人3は、彼女がインタビューされたのは初めてであるため、2002年にはnordp = NAを、2004年には3であった（3は2002年の数字であったため）。

家族の構成が変わる可能性があるため、dfをフィルタリングするためにnordを使用することはできません（たとえば、2002年の家族xでは母親がnordp = 2（2000年にはnord = 2でした）とnord = 2翌年のnordは1（例えば、離婚した場合）でもnordpはまだ2）でもかまいません。

私は、このコマンドを使用してフィルタリングすることを試みた：

df <- df %>% 
group_by(nquest, nordp) 
filter(n()>1) 

が、同じ家族のために複数の個別のインサート（NA）がある場合、彼らはとさせていただきますので、私は右のDFを得ることはありませんnordp以来同じ人は初めてNAです。

はどのようにしても、特定の年（nordp = NA）に初めて現れる個々考えることができますか？私は年齢を使ってコマンドを作成しようとしました（年齢は（年齢（t-2）+2）と等しくなります;例えば、2000年齢は20歳、2002年は22歳ですが、それはうまくいかなかった）

DFは千回の観測によって構成されており、私は手動で確認することができないことを考えてみましょう

最終dfは次のようになります。。

year nquest nordp sex age 
    2000 10  1  F 40 
    2000 10  2  M 43 
    2000 30  1  M 30 
    2002 10  1  F 42 
    2002 10  2  M 45 
    2002 10  3  F 15 
    2002 30  1  M 32 
    2004 10  1  F 44 
    2004 10  2  M 47 
    2004 10  3  F 17 

あなたがより多く表示されるだけで、個々がある見ることができるように1回とnquest=10 nordp=30は3回出現する;私の命令では、最初の年にnordpがNA。

Answer 1

私たちは、ユニークなIDの数によってフィルタリング、その後、個人に固有のIDを割り当てます。主な考え方は、数年かけて各家庭内のnordpとnord値を連鎖することです。ここには、Identify groups of linked episodes which chain togetherに触発されたアイデアがあります。まず、igraphパッケージを​​経由で読み込みます。次に、次の関数は、指定されたファミリのIDを割り当てます。

assignID <- function(d) { 
    fields <- names(d) # store original column names 
    d$nordp[is.na(d$nordp)] <- seq_len(sum(is.na(d$nordp))) + 100 
    d$nordp_x <- (d$year-2) * 1000 + d$nordp 
    d$nord_x <- d$year * 1000 + d$nord 
    dd <- d[, c("nordp_x", "nord_x")] 
    gr.test <- graph.data.frame(dd) 
    links <- data.frame(org_id = unique(unlist(dd)), 
         id = clusters(gr.test)$membership) 
    d <- merge(d, links, by.x = "nord_x", by.y = "org_id", all.x = TRUE) 
    d$uid <- d$nquest * 100 + d$id 
    d[, c(fields, "uid")] 
} 

機能は

year nordp nord 
2000  1  1 
2002  1  2 
2004  2  3 

が長年にわたってnordpとnordを一緒に連鎖することで、同じ個体で、すべての3に同じ一意のIDが割り当てられていること、例えば、「伝える」ことができます行。したがって、たとえば、

assignID(subset(df, nquest == 10)) 
# year nquest nord nordp sex age dob uid 
# 1 2000  10 1  1 F 40 1960 1001 
# 2 2000  10 2  2 M 43 1957 1002 
# 3 2002  10 1  1 F 42 1960 1001 
# 4 2002  10 2  2 M 45 1957 1002 
# 5 2002  10 3 101 F 15 1987 1003 
# 6 2004  10 1  1 F 44 1960 1001 
# 7 2004  10 2  2 M 47 1957 1002 
# 8 2004  10 3  3 F 17 1987 1003 

は私たちに、個々のためのuidと追加の列を与えます。

残りの手順は簡単です。その後

dd <- do.call(rbind, by(df, df$nquest, assignID)) 

我々は、カウントでわずかuidでグループおよびフィルタすることができます：

dd %>% group_by(uid) %>% filter(n()>1) 
# Source: local data frame [10 x 8] 
# Groups: uid [4] 

#  year nquest nord nordp sex age dob uid 
# <int> <int> <int> <dbl> <fctr> <int> <int> <dbl> 
# 1 2000  10  1  1  F 40 1960 1001 
# 2 2000  10  2  2  M 43 1957 1002 
# 3 2002  10  1  1  F 42 1960 1001 
# 4 2002  10  2  2  M 45 1957 1002 
# 5 2002  10  3 101  F 15 1987 1003 
# 6 2004  10  1  1  F 44 1960 1001 
# 7 2004  10  2  2  M 47 1957 1002 
# 8 2004  10  3  3  F 17 1987 1003 
# 9 2000  30  1  1  M 30 1970 3001 
# 10 2002  30  1  1  M 32 1970 3001