在dplyr summarise()中按组计算上下置信区间

Question

我正在尝试制作一个表格，显示N（观察次数）、百分比频率（答案 > 0）以及百分比频率的上下置信区间，我想按类型对其进行分组。

数据示例

dat <- data.frame(
  "type" = c("B","B","A","B","A","A","B","A","A","B","A","A","A","B","B","B"),
  "num" = c(3,0,0,9,6,0,4,1,1,5,6,1,3,0,0,0)
)

预期输出（已填充值）：

Type   N   Percent   Lower 95% CI   Upper 95% CI
A
B

试图

library(dplyr)
library(qwraps2)

table<-dat %>%
  group_by(type) %>%
  summarise(N=n(),
            mean.ci = mean_ci(dat$num),
            "Percent"=n_perc(num > 0))

这有助于获得 N 和百分比频率，但在我添加 mean_ci 时返回错误：“列的长度必须为 1（汇总值），而不是 3”

我试过的第二个代码，在这里找到：

table2<-dat %>%
  group_by(type) %>%
  summarise(N.num=n(),
            mean.num = mean(dat$num),
            sd.num = sd(dat$num),
            "Percent"=n_perc(num > 0)) %>%
  mutate(se.num = sd.num / sqrt(N.num),
         lower.ci = 100*(mean.num - qt(1 - (0.05 / 2), N.num - 1) * se.num),
         upper.ci = 100*(mean.num + qt(1 - (0.05 / 2), N.num - 1) * se.num))

# A tibble: 2 x 8
#  type  N.num mean.num sd.num Percent        se.num lower.ci upper.ci
# <fct> <int>    <dbl>  <dbl> <chr>           <dbl>    <dbl>    <dbl>
#1 A         8     2.44   2.83 "6 (75.00\\%)"   1.00     7.35     480.
#2 B         8     2.44   2.83 "4 (50.00\\%)"   1.00     7.35     480.

这给了我一个输出，但置信区间不合逻辑。

Answer 1

的输出mean_ci是一个长度为 3 的向量。这可能是出乎意料的，因为该包添加了一个打印方法，因此当您在控制台中看到它时，它看起来像一个单个字符值，而不是一个数字长度 > 1 的向量。但是，您可以通过查看str.

mean_ci(dat$num) %>% str
 # 'qwraps2_mean_ci' Named num [1:3] 2.44 1.05 3.82
 # - attr(*, "names")= chr [1:3] "mean" "lcl" "ucl"
 # - attr(*, "alpha")= num 0.05

总而言之，输出的每一列的每个元素都需要长度为 1，因此提供一个长度为 3 的对象以便汇总放入单个“单元格”（列元素）会导致错误。一种解决方法是将长度为 3 的向量放在一个列表中，以便它现在是一个长度为 1 的列表。然后您可以使用unnest_wider将其分成 3 列（从而使表格“更宽”）

library(tidyverse)

dat %>%
  group_by(type) %>%
  summarise( N=n(),
            mean.ci = list(mean_ci(num)),
            "Percent"= n_perc(num > 0)) %>% 
  unnest_wider(mean.ci)
# # A tibble: 2 x 6
#   type      N  mean   lcl   ucl Percent       
#   <fct> <int> <dbl> <dbl> <dbl> <chr>         
# 1 A         8  2.25 0.523  3.98 "6 (75.00\\%)"
# 2 B         8  2.62 0.344  4.91 "4 (50.00\\%)"