R 使用编程成对地推断信息

我想分析数据

我的数据库由1408（类型1为704，类型2为704）个观察值和49个变量组成。这是我数据库的一部分

重点是我想分析多收费的第1类（卖家）的性别

 Data
 Subject ID  Gender   Period   Matching group   Group    Type  Overcharging
   654        1           1            73         1        1      NA
   654        1           2            73         1        1      NA
   654        1           3            73         1        1      NA
   654        1           4            73         1        1      NA 
   708        0           1            73         1        2       1
   708        0           2            73         1        2       0
   708        0           3            73         1        2       0
   708        0           4            73         1        2       1
   435        1           1            73         2        1      NA
   435        1           2            73         2        1      NA
   435        1           3            73         2        1      NA
   435        1           4            73         2        1      NA    
   546        0           1            73         2        2       0
   546        0           2            73         2        2       0
   546        0           3            73         2        2       1
   546        0           4            73         2        2       0

例如，如果您查看matchinggroup=73，则有两个组（1和2），每个组中有两种类型（1和2）。对于每种类型1（卖方），我们没有关于其行为的信息（是否滥收费用）。但是我们有关于买家（类型2）是否被多收费的信息

如果我能确定被过度对待的买家，那么，这意味着与这个买家互动的卖家已经过度对待了买家。所以我需要看的是卖方和买方同一组中的性别

例如，在匹配组73中，我们知道在第1阶段受试者708被多收费（第1组中的受试者）。据我所知，这名男子属于第1组和第73组，我能够确定向他多收费的卖家：受试者654，性别=1

在第2组（匹配第73组），我们知道在第3阶段，代理546被滥收费用。据我所知，这名男子属于第1组和第73组，我能够确定向他多收费的卖家：性别=1的受试者435。 .... 根据我的观察结果，我会这样做

然而，我真的不知道如何继续编码并在R上设置这个条件

这是我试图做的，但不符合我的需要

  for (matchinggroup[type==1]==matchinggroup[type==2] & 
group[type==1]==group[type==2] & period[type==1]==period[type==2])
  {
    if ((overtreatment==1), na.rm=TRUE)
sum(gender==1[type==1], na.rm=TRUE)
  }

我希望得到的预期结果是：

    sum(overcharging==1[gender==1&type==1])
    >3
    sum(overcharging==1[gender==0&type==1])
    >0
    sum(overcharging==0[gender==1&type==1])
    >5
    sum(overcharging==0[gender==0&type==1])
    >0

---

感谢您的时间和考虑！帮助是值得赞赏的。

不完全确定你想要的输出是什么，但是考虑一下：

Data <- read.table(header = T, 
                   text = "Subject_ID  Gender   Period   Matching_group   Group    Type  Overcharging
654        1           1            73         1        1      NA
654        1           2            73         1        1      NA
654        1           3            73         1        1      NA
654        1           4            73         1        1      NA 
708        0           1            73         1        2       1
708        0           2            73         1        2       0
708        0           3            73         1        2       0
708        0           4            73         1        2       1
435        1           1            73         2        1      NA
435        1           2            73         2        1      NA
435        1           3            73         2        1      NA
435        1           4            73         2        1      NA    
546        0           1            73         2        2       0
546        0           2            73         2        2       0
546        0           3            73         2        2       1
546        0           4            73         2        2       0
")

dat1 <- subset(Data, Overcharging==1)

我认为“for-loop”解决方案不适合R

我用data.table为您开发了另一个解决方案，将卖家和买家分开，然后加入他们

library(data.table)
Data <- data.table(read.table(header = T, 
                   text = "Subject_ID  Gender   Period   Matching_group   Group    Type  Overcharging
                   654        1           1            73         1        1      NA
                   654        1           2            73         1        1      NA
                   654        1           3            73         1        1      NA
                   654        1           4            73         1        1      NA 
                   708        0           1            73         1        2       1
                   708        0           2            73         1        2       0
                   708        0           3            73         1        2       0
                   708        0           4            73         1        2       1
                   435        1           1            73         2        1      NA
                   435        1           2            73         2        1      NA
                   435        1           3            73         2        1      NA
                   435        1           4            73         2        1      NA    
                   546        0           1            73         2        2       0
                   546        0           2            73         2        2       0
                   546        0           3            73         2        2       1
                   546        0           4            73         2        2       0
                   ")
)

Data[, SubjectType := ifelse(Type==1, "Seller", "Buyer")]
Subjects <- unique(Data[, .(Subject_ID, Gender)])
Matches <- dcast(Data, Matching_group+Group~SubjectType, value.var="Subject_ID", fun.aggregate = mean)

Buys <- Data[!is.na(Overcharging), .(Buyer = Subject_ID, BuyerGender = Gender, Period, Matching_group, Group, Overcharging)]
Buys <- merge(Buys, Matches, by=c("Buyer", "Matching_group", "Group"), all.x = T)
Buys <- merge(Buys, Subjects[, .(Seller = Subject_ID, SellerGender = Gender)], by="Seller", all.x = T)

Buys[Overcharging==0, .N, .(BuyerGender, SellerGender)]
Buys[Overcharging==1, .N, .(BuyerGender, SellerGender)]

库（data.table）
数据非常适合！非常感谢你。
    Subject_ID Gender Period Matching_group Group Type Overcharging
1         654      1      1             73     1    1           NA
4         654      1      4             73     1    1           NA
11        435      1      3             73     2    1           NA

library(data.table)
Data <- data.table(read.table(header = T, 
                   text = "Subject_ID  Gender   Period   Matching_group   Group    Type  Overcharging
                   654        1           1            73         1        1      NA
                   654        1           2            73         1        1      NA
                   654        1           3            73         1        1      NA
                   654        1           4            73         1        1      NA 
                   708        0           1            73         1        2       1
                   708        0           2            73         1        2       0
                   708        0           3            73         1        2       0
                   708        0           4            73         1        2       1
                   435        1           1            73         2        1      NA
                   435        1           2            73         2        1      NA
                   435        1           3            73         2        1      NA
                   435        1           4            73         2        1      NA    
                   546        0           1            73         2        2       0
                   546        0           2            73         2        2       0
                   546        0           3            73         2        2       1
                   546        0           4            73         2        2       0
                   ")
)

Data[, SubjectType := ifelse(Type==1, "Seller", "Buyer")]
Subjects <- unique(Data[, .(Subject_ID, Gender)])
Matches <- dcast(Data, Matching_group+Group~SubjectType, value.var="Subject_ID", fun.aggregate = mean)

Buys <- Data[!is.na(Overcharging), .(Buyer = Subject_ID, BuyerGender = Gender, Period, Matching_group, Group, Overcharging)]
Buys <- merge(Buys, Matches, by=c("Buyer", "Matching_group", "Group"), all.x = T)
Buys <- merge(Buys, Subjects[, .(Seller = Subject_ID, SellerGender = Gender)], by="Seller", all.x = T)

Buys[Overcharging==0, .N, .(BuyerGender, SellerGender)]
Buys[Overcharging==1, .N, .(BuyerGender, SellerGender)]