使用 tbl_summary 创建带标签的汇总统计

Question

我已将 Stata (dta) 文件读入 R，数据片段如下所示：

 short
# A tibble: 200 x 5
            q4_1          q4_2          q4_3          q4_4 treatment_cur
       <dbl+lbl>     <dbl+lbl>     <dbl+lbl>     <dbl+lbl> <chr>        
 1 NA(z)         NA(z)         NA(z)         NA(z)         Control      
 2 NA(z)         NA(z)         NA(z)         NA(z)         Control      
 3     1 [1.Yes]     0 [0.No]      0 [0.No]      1 [1.Yes] Treatment    
 4     0 [0.No]      0 [0.No]      1 [1.Yes]     0 [0.No]  Control      
 5     0 [0.No]      0 [0.No]      0 [0.No]      1 [1.Yes] Control      
 6 NA(z)         NA(z)         NA(z)         NA(z)         Control      
 7     1 [1.Yes]     1 [1.Yes]     1 [1.Yes]     1 [1.Yes] Control      
 8 NA(z)         NA(z)         NA(z)         NA(z)         Treatment    
 9 NA(z)         NA(z)         NA(z)         NA(z)         Control      
10     0 [0.No]      0 [0.No]      1 [1.Yes]     0 [0.No]  Control

变量的格式是这样的：

str(short)
tibble [200 x 5] (S3: tbl_df/tbl/data.frame)
 $ q4_1         : dbl+lbl [1:200] NA(z), NA(z),     1,     0,     0, NA(z),     1, NA(z), NA(z),     0, NA(z),     1, NA(z),     1, NA(z),     1, ...
   ..@ label       : chr "q4_1r.Do you have any of ...assignments? Bilingual/ELL"
   ..@ format.stata: chr "%15.0g"
   ..@ labels      : Named num [1:2] 0 1
   .. ..- attr(*, "names")= chr [1:2] "0.No" "1.Yes"
 $ q4_2         : dbl+lbl [1:200] NA(z), NA(z),     0,     0,     0, NA(z),     1, NA(z), NA(z),     0, NA(z),     0, NA(z),     0, NA(z),     0, ...
   ..@ label       : chr "q4_2r.Do you have any of ...assignments? Sp Ed (self-c)"
   ..@ format.stata: chr "%34.0g"
   ..@ labels      : Named num [1:2] 0 1
   .. ..- attr(*, "names")= chr [1:2] "0.No" "1.Yes"
 $ q4_3         : dbl+lbl [1:200] NA(z), NA(z),     0,     1,     0, NA(z),     1, NA(z), NA(z),     1, NA(z),     1, NA(z),     1, NA(z),     0, ...
   ..@ label       : chr "q4_3r.Do you have any of ...assignments? Sp Ed (incl.)"
   ..@ format.stata: chr "%72.0g"
   ..@ labels      : Named num [1:2] 0 1
   .. ..- attr(*, "names")= chr [1:2] "0.No" "1.Yes"
 $ q4_4         : dbl+lbl [1:200] NA(z), NA(z),     1,     0,     1, NA(z),     1, NA(z), NA(z),     0, NA(z),     1, NA(z),     0, NA(z),     0, ...
   ..@ label       : chr "q4_4r.Do you have any of ...assignments? Gifted/Talented"
   ..@ format.stata: chr "%17.0g"
   ..@ labels      : Named num [1:2] 0 1
   .. ..- attr(*, "names")= chr [1:2] "0.No" "1.Yes"
 $ treatment_cur: chr [1:200] "Control" "Control" "Treatment" "Control" ...
  ..- attr(*, "label")= chr "treatment_cur.treatment_cur"
  ..- attr(*, "format.stata")= chr "%9s"

这是每个变量的class：

> class(short$q4_1)
[1] "haven_labelled" "vctrs_vctr"     "double"

我需要使用库 (gtsummary) 中的 tbl_summary 创建数据的描述性表格——这是一个非常酷的包，可以创建快速且可自定义的数据汇总统计数据。

我的数据很酷的一点是每个值都有一个与之关联的标签。例如在 q4_2 中，0 表示“否”，1 表示“是”。所以当我将数据输入 tbl_summary 时，而不是在频率计数中显示：

q4_1    n
   1    7 
   0    8

这可以显示出来 这就是我想要的:

"q4_1r.Do you have any of ...assignments? Bilingual/ELL"    
        n 
   No   7
   Yes  8

此代码无效，因为 tbl_summary 只接受某些格式。

tbl_summary(short)
Column(s) ‘q4_1’, ‘q4_2’, ‘q4_3’, and ‘q4_4’ omitted from output.
Accepted classes are ‘character’, ‘factor’, ‘numeric’, ‘logical’, ‘integer’, or ‘difftime’.

如果我将这些变量转换为字符，它们将失去其值标签，并且我只能看到以下内容，因为将其转换为字符会使变量失去其标签属性。

q4_1    n
   1    7 
   0    8

有什么办法可以解决这个问题吗？我找不到具有这种类型的 var 格式的内置 R 文件来使其更易于重现。

Answer 1

在标记为 class 的避风港的情况下，它绝不是用于分析或数据探索的 class。相反，当从数据类型与 R 没有 one-to-one 关系的其他语言导入数据时，它被创建为 in-between。这是来自 tidyverse 博客 post 关于避风港标记为 class 个变量。 (https://haven.tidyverse.org/articles/semantics.html)

The goal of haven is not to provide a labelled vector that you can use everywhere in your analysis. The goal is to provide an intermediate data structure that you can convert into a regular R data frame.

要使用 tbl_summary()，您首先要在导入的数据框上应用 as_factor() 函数，例如haven::as_factor(short)。这会将您的数据框转换为基本 R 类型，并保留 Stata 值标签作为因子。

仅供参考，我们正在使 tbl_summary() 与所有类型兼容，并且在下一版本的软件包中将不再需要 as_factor() 步骤。您可以在此处关注实施进度：https://github.com/ddsjoberg/gtsummary/pull/603

使用 tbl_summary 创建带标签的汇总统计

Using tbl_summary to create summary statistics with labels

r

dplyr

tidyverse

gtsummary