R 如何处理；零星的；多重措施？

我发现自己在分析我真的不知道如何处理的数据。我接受任何建议，即使是一个关键字也会有所帮助。理想情况下，我正在寻找在JAG上运行贝叶斯层次模型的提示（我正在研究R和RJAG）

因此，假设有10个人报告他们对5个项目的看法。 困难在于，对于某些人来说，我对一个（或多个）项目有两个或三个感知，在其他情况下，我可能有

NA

s。因此，数据的结构本质上是不平衡的。以下是数据结构的示例（id是标识符，Kn是被测量的项目）：

我提出的解决方案是为那些有多个测量值的个体复制行，并用唯一可用的测量值“填充”除多次测量值之外的项目行。举个简单的例子，让个人1对项目K1有两个可用的度量（例如1和2）：

---

id

是单个标识符，现在id==1对K1有两种不同的度量。我不能取平均值，我真的需要一种方法来系统地包含这些额外的信息。然后，我在JAGS中运行一个层次模型，使用嵌套索引为每一个单独的行计算一个系数，而不是为每一行计算一个系数。我想知道另一种选择可能是使用“选择器”，一个由

0

s和

1

值组成的矩阵，表示所测量的项目。有可能在Jags中实现这一点吗？我在任何地方都找不到类似数据结构的例子。这可能类似于一种非常不平衡的重复测量数据结构，但实际上测量是同时进行的。

只需使用id、测量id和值创建一个长表，而不是使用NA的宽表：

n.subjects <- 10
new.df <- data.frame(        id = rep(old.df$id, 6),
                     measure_id = rep(1:6, each=n.subjects)
                         values = c(old.df$K1, 
                                    old.df$K2, 
                                    old.df$K3, 
                                    old.df$K4, 
                                    old.df$K5,
                                    old.df$K6))

df <- df[!is.na(df$value)]  # remove measurements with NA's

---

n.受试者之间有什么区别？？那安娜呢？你说5项，但有6个变量。你是说你有6件物品吗？你有多喜欢使用JAGS？调整这些数据，使其在重复测量方差分析中工作（取决于缺失程度）可能是微不足道的。或者，尽管假设很可能会被违反（如果没有违反的话），但您很可能会得到一个lme4混合效应模型，为您提供某种分析。不管怎样，几乎可以肯定的是，最好不要为了让数据更快乐而编造观察结果。@pavel:“？”代表“我应该使用值1还是2”，我可以改变它只是指向problem@rpierce：JAGS允许我合并先前的信息。我同意你对副本的观点。我想补充一点，帕维尔先前的评论可能会起到一定作用，即，如果你不小心存储了？？而不是NA。您可能仍然有问题。不，
？？
只有说明性字符，不在代码上。
    [id] [K1] [K2] [K3] [K4] [K5] [K6]
[1]    1   1   -1    2    3    -3    4
[2]    1   2   -1    2    3    -3    4
[3]    2  NA   -2    1    2    -4    5
[4]    3   0   NA    NA   3    -2    3
[5]    4  NA  -2    2    NA    NA    5
[6]    5   2   -1    3    4    -5    4
[7]    6   1   NA    1    1    -1    3

n.subjects <- 10
new.df <- data.frame(        id = rep(old.df$id, 6),
                     measure_id = rep(1:6, each=n.subjects)
                         values = c(old.df$K1, 
                                    old.df$K2, 
                                    old.df$K3, 
                                    old.df$K4, 
                                    old.df$K5,
                                    old.df$K6))

df <- df[!is.na(df$value)]  # remove measurements with NA's