R中的测度保留

Question

我有一个数据集，其中包含以下列格式注册的课外课程学生的信息：

student_id  year group number
1   2009-10 1
2   2009-10 1
3   2009-10 2
4   2009-10 3
5   2009-10 3
1   2010-11 1
2   2010-11 2
3   2010-11 3
4   2010-11 2
5   2010-11 2

我想衡量每一组的留用量，每年一次.我需要编写某种循环语句，它将回顾前一年，计算每个组的类似I的值，并返回一个值除以该组中的总数。我已经勾勒出了代码(这可能是低效的/遗漏了一些步骤)，如下所示？

for (i in levels(data$year)){
  if (i=="2009-10"){
    #no previous year to look for
    next
  }else{
    for(g in levels(data$group)){

    ##perhaps a plyr summarize function?

    #look for id in previous year for that group
    #compute count of identical ids
    #return value/length(group)
    }
  }

在阅读了一些建议之后，也许使用ddply(transform)函数会更简单一些。是否有办法在年份和组号之间建立关联关系？代码应该如下所示：

tracking=ddply(data,"student_id", transform, enroll.year1=1, enroll.year2=ifelse(criteria goes here,1,0), enroll.year3=ifelse(criteria goes here,1,0)

一些示例输出可能如下所示：

Year    Group   retention rate

2010-11 1   0.88
2011-12 1   0.8

2010-11 2   0.5
2011-12 2   0.6

2010-11 3   0.5
2011-12 3   0.5

以前有没有人解决过类似的留置问题？我很难概念化这些步骤，更不用说在R中实现任何帮助了。*

Answer 1

我能想到的解决方案之一是一年内自动换班。为了简单地加入和分组，我将使用data.table。为了方便起见，我还将更改一些名称和年份格式。我已经将您的数据保存在一个名为data.frame的dd中

names(dd) <- c('id', 'year', 'group')
dd$year <- as.integer(substr(dd$year, 1, 4))

dd.prev <- dd
dd.prev$year <- dd.prev$year + 1   ## shifting year upwards so it matches the next year

require(data.table)
dd <- data.table(dd)
setkey(dd, group, year)

dd.prev <- data.table(dd.prev)
setkey(dd.prev, group, year)
setnames(dd.prev, 'id', 'id.prev')  ## changing variable name so it is distinct

extra.year <- max(dd$year) + 1  ## the shift generates an extra year
dd.prev <- dd.prev[!year==extra.year]  ## drop extra year as retention not defined

dd <- dd[dd.prev]   ## join data from previous year to current data

dd.all[, retention:=as.numeric(length(intersect(id, id.prev)) 
                               /length(unique(id.prev))), 
       by=list(year, id)]

最后一点计算保留率，如您所定义的:从去年至今的学生人数，intersect(id, id.prev)，除以去年的学生总数，unique(id.prev)。有了这些数据，它只生成2010年的留存额，但使用较长的系列，它将生成除第一年以外的所有年份的数据。

更新1:使用plyr

names(dd) <- c('id', 'year', 'group')
dd$year <- as.integer(substr(dd$year, 1, 4))

dd.prev <- dd
dd.prev$year <- dd.prev$year + 1   ## shifting year upwards so it matches the next year
names(dd.prev)[1] <- 'id.prev'  ## changing variable name so it is distinct

extra.year <- max(dd$year) + 1  ## the shift generates an extra year
dd.prev <- dd.prev[dd.prev$year!=extra.year,]  ## drop extra year

dd <- merge(dd, dd.prev, all.y=TRUE)   ## join data from previous year to current data



require(plyr)
dd <- ddply(dd, .(group, year), summarize, 
             retention=length(intersect(id, id.prev)) 
                        /length(unique(id.prev)))

我希望这能帮上忙。