r - 使用 dplyr 计算 95%-CI 的长度

Question

上次我问到如何为多个受访者重复测量的变量(procras)计算每个测量时机(周)的平均分数。所以我的(简化的)长格式数据集如下所示(这里有两个学生和 5 个时间点，没有分组变量):

studentID  week   procras
   1        0     1.4
   1        6     1.2
   1        16    1.6
   1        28    NA
   1        40    3.8
   2        0     1.4
   2        6     1.8
   2        16    2.0
   2        28    2.5
   2        40    2.8

使用 dplyr 我会得到每个测量场合的平均分数

mean_data <- group_by(DataRlong, week)%>% summarise(procras = mean(procras, na.rm = TRUE))

看起来像这样，例如:

Source: local data frame [5 x 2]
        occ  procras
      (dbl)    (dbl)
    1     0 1.993141
    2     6 2.124020
    3    16 2.251548
    4    28 2.469658
    5    40 2.617903

使用 ggplot2，我现在可以绘制随时间的平均变化，并且通过轻松调整 dplyr 的 group_data()，我还可以获得每个子组的平均值(例如，男性和女性每个场合的平均得分)。
现在，我想在 mean_data 表中添加一列，其中包括围绕每个场合的平均分数的 95%-CI 的长度。

http://www.cookbook-r.com/Graphs/Plotting_means_and_error_bars_(ggplot2)/解释了如何获取和绘制 CI，但是一旦我想对任何子组执行此操作，这种方法似乎就会出现问题，对吗？那么有没有办法让 dplyr 在 mean_data 中自动包含 CI(基于组大小等)？
之后，将新值作为 CI 绘制到我希望的图表中应该相当容易。
谢谢你。

Answer 1

您可以使用 mutate 手动执行此操作summarise 中的一些额外功能

library(dplyr)
mtcars %>%
  group_by(vs) %>%
  summarise(mean.mpg = mean(mpg, na.rm = TRUE),
            sd.mpg = sd(mpg, na.rm = TRUE),
            n.mpg = n()) %>%
  mutate(se.mpg = sd.mpg / sqrt(n.mpg),
         lower.ci.mpg = mean.mpg - qt(1 - (0.05 / 2), n.mpg - 1) * se.mpg,
         upper.ci.mpg = mean.mpg + qt(1 - (0.05 / 2), n.mpg - 1) * se.mpg)

#> Source: local data frame [2 x 7]
#> 
#>      vs mean.mpg   sd.mpg n.mpg    se.mpg lower.ci.mpg upper.ci.mpg
#>   (dbl)    (dbl)    (dbl) (int)     (dbl)        (dbl)        (dbl)
#> 1     0 16.61667 3.860699    18 0.9099756     14.69679     18.53655
#> 2     1 24.55714 5.378978    14 1.4375924     21.45141     27.66287