traminer中的多个事件

Question

我正在尝试用TraMineR一次分析多个序列。我看过seqdef，但我很难理解在处理多个变量时如何创建TraMineR数据集。我猜我正在使用类似于Aassve等人使用的数据集的东西。(正如在tutorial中提到的)，因此每个波都有关于几个状态的信息(例如，孩子、婚姻、就业)。我所有的变量都是二进制的。下面是一个包含三个wave (D，W2，W3)和三个变量的数据集的示例。

D<-data.frame(ID=c(1:4),A1=c(1,1,1,0),B1=c(0,1,0,1),C1=c(0,0,0,1))
W2<-data.frame(A2=c(0,1,1,0),B2=c(1,1,0,1),C2=c(0,1,0,1))
W3<-data.frame(A3=c(0,1,1,0),B3=c(1,1,0,1),C3=c(0,1,0,1))
L<-data.frame(D,W2,W3)

我可能错了，但我发现的材料一次只处理一个变量的数据管理和分析(例如，几个波的就业状况)。我的数据集比上面的要大得多，所以我不能像tutorial的第48页所示手动估算这些数据。有没有人使用TraMineR (或类似的包)处理过这种类型的数据？

1)您如何将上述数据提供给TraMineR？

2)如何计算替代成本，然后对其进行聚类？

非常感谢

Answer 1

当使用序列分析时，我们感兴趣的是一个变量的演变(例如，一个变量跨越几个波的序列)。然后，您有多种可能性来分析几个变量：

• 为每个变量创建序列，然后分析序列簇之间的链接。在我看来，这是最好的方法，如果你的变量衡量不同的概念(例如，家庭和家庭)，并使用interaction函数为每个波创建一个新变量，它是一个波的不同变量的interaction。例如，对于第一波，使用L$IntVar1 <- interaction(L$A1, L$B1, L$C1, drop=T) (使用drop=T删除未使用的答案组合)。然后分析这个新创建的变量的序列。在我看来，如果你的变量是同一概念的不同维度，这是首选的方法。例如，婚姻、孩子和结合都与家庭生活有关，
• 为每个变量创建一个序列对象，然后使用seqdistmc计算距离(多通道序列分析)。这相当于前面的方法，具体取决于您将如何设置替代成本(请参见下文)。

如果您使用第二种策略，您可以使用以下替代成本。您可以统计原始变量之间的差异，以设置替代成本。例如，在“已结婚，孩子”和“未结婚和孩子”状态之间，您可以将替换设置为"1“，因为只有”婚姻“变量上存在差异。类似地，您可以将“已结婚，孩子”和“未结婚且没有孩子”状态之间的替代成本设置为"2“，因为您的所有变量都不同。最后，将indel成本设置为最大替代成本的一半。这是seqdistmc使用的策略。

希望这能有所帮助。

Answer 2

在Biemann和Datta (2013)中，他们谈到了多维分析。这意味着为相同的“个体”创建多个序列。

为此，我使用了以下方法：

1)定义3维序列

comp.seq <- seqdef(comp,NULL,states=comp.scodes,labels=comp.labels, alphabet=comp.alphabet,missing="Z")
titles.seq <- seqdef(titles,NULL,states=titles.scodes,labels=titles.labels, alphabet=titles.alphabet,missing="Z")
member.seq <- seqdef(member,NULL,states=member.scodes,labels=member.labels, alphabet=member.alphabet,missing="Z")

2)计算多通道(多维)距离

mcdist <- seqdistmc(channels=list(comp.seq,member.seq,titles.seq),method="OM",sm=list("TRATE","TRATE","TRATE"),with.missing=TRUE)

3)使用ward方法对其进行聚类：

library(cluster)
clusterward<- agnes(mcdist,diss=TRUE,method="ward")
plot(clusterward,which.plots=2)

不要管"missing“或"left”等参数，但我希望简短的代码示例能有所帮助。