TraMineR是否适用于具有不同序列长度的数据？

Question

我的数据包含每个学生在学习会话期间的页面访问行为的顺序。例如(下面)学生1阅读说明，访问了三个页面(“访问-访问-访问”)，并重新访问了其中一个页面(“重新访问”)。学生2阅读说明并访问了两个页面，没有任何重读。

学生1:说明-访问-重访

学生2:说明-访问-访问

学生3：

我的问题是，TraMineR包适用于这种类型的数据，其中不同的个体具有不同的序列长度(学生1有5，学生2有3，等等)。TraMineR vignette (https://cran.r-project.org/web/packages/TraMineR/vignettes/TraMineR-state-sequence.pdf)中讨论的样本数据"mvad“具有在特定时间段(93年7月至1999年6月)捕获的状态信息，这意味着所有个体的序列长度数量都是相同的。考虑到这种差异，我不确定是否可以使用TraMineR来分析我的数据。

我在我的数据上尝试了几个TraMineR函数(seqdef，seqfplot等)。到目前为止，这些结果对我来说是有意义的，但我想在进一步做更多事情之前确定一下(聚类分析等)。如果任何人有使用TraMineR处理这类数据的经验，我将非常感谢您的意见。如果TraMineR不适合这样做，有什么替代方法的建议吗？我的目标是识别和可视化数据中的主要行为模式，可能使用聚类分析。提前感谢！

Answer 1

是的，您可以使用traMineR来分析具有不同序列长度的数据，因为traMineR是序列分析工具的集合。

当你有不等长的序列时，重要的是你使用的是什么距离算法。我认为最优匹配(OM)是默认的，也是经常使用的标准，它接受长度不相等的序列，因为它使用indel (插入/删除)操作来“使”序列具有相同的长度。然而，诸如汉明距离(HAM或DHD)之类的其它类型的距离算法不允许长度不等的序列。这些算法通常在计时很重要时使用，通过插入状态使序列长度相等，计时方面是不对称的。

所以简而言之，答案是肯定的，但请务必阅读您正在使用的距离算法的类型，以便您了解您正在测量的是什么，以及它将以何种方式影响您的解释。