r - Traminer 中的多个事件

Question

我正在尝试使用 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。我想我正在使用类似于 Aassve 等人使用的数据集的东西。 (如 tutorial 中所述)，其中每一波都有关于几个状态的信息(例如 child 、婚姻、就业)。我所有的变量都是二进制的。这是一个包含三个波浪 (D,W2,W3) 和三个变量的数据集示例。

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，但我找到的 Material 只涉及一次对一个变量的数据管理和分析(例如，跨几波的就业状况)。我的数据集比上面的要大得多，所以我无法真正手动估算这些数据，如 tutorial 的第 48 页所示。 .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)您将如何计算替代成本，然后将它们聚类？

非常感谢

Answer 1

在使用序列分析时，我们对一个变量的演化感兴趣(例如，一个变量在多个波浪中的序列)。然后，您有多种可能性来分析多个变量:

创建每个变量的序列，然后分析序列簇之间的链接。在我看来，这是最好的方法，如果您的变量衡量不同的概念(例如，家庭和就业)。

为每个波浪创建一个新变量，即 interaction使用 interaction 对一波的不同变量进行分析功能。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顺序。在我看来，如果您的变量是同一概念的不同维度，则这是首选方式。例如，婚姻、 child 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 channel 序列分析)。这与之前的方法等效，具体取决于您将如何设置替代成本(见下文)。

如果您使用第二种策略，您可以使用以下替代成本。您可以计算原始变量之间的差异来设置替代成本。例如，在状态“已婚，有 child ”和“未婚有 child ”之间，您可以将替换设置为“1”，因为只有“婚姻”变量不同。同样，您可以将状态“已婚，有 child ”和“未婚且没有 child ”之间的替代成本设置为“2”，因为您的所有变量都不同。最后，您将 indel 成本设置为最大替代成本的一半。这是 seqdistmc 使用的策略.

希望这可以帮助。