如何在R中筛选面板数据中mmse变量被测量多次的研究对象

核心思路 #

先筛选出拥有至少2个非缺失mmse值的研究对象（pid），再提取这些对象的全部观测数据，后续即可基于此分析基线特征或mmse变化。

步骤1：筛选并提取目标数据集 #

可以用dplyr一步完成筛选：

library(dplyr)

# 提取符合条件的完整数据集
filtered_df <- df %>%
  group_by(pid) %>%
  # 保留mmse非缺失值≥2次的pid组
  filter(sum(!is.na(mmse)) >= 2) %>%
  ungroup() # 取消分组，避免后续操作干扰

如果需要先单独获取符合条件的pid列表，再提取数据：

# 获取有效pid列表
valid_pids <- df %>%
  group_by(pid) %>%
  filter(sum(!is.na(mmse)) >= 2) %>%
  pull(pid) %>%
  unique()

# 提取对应数据集
filtered_df <- df %>% filter(pid %in% valid_pids)

步骤2：计算mmse变化（针对筛选后的数据） #

你之前的代码未成功，是因为示例数据中mmse全为NA，没有符合条件的样本。在筛选后的数据集上运行以下代码即可得到mmse的变化情况：

filtered_df %>%
  arrange(pid, wave) %>%
  group_by(pid) %>%
  mutate(
    mmse_change = mmse - lag(mmse),
    mmse_increase = mmse_change > 0,
    mmse_decrease = mmse_change < 0
  ) %>%
  ungroup()

步骤3：提取基线特征数据 #

如果需要分析每个研究对象的基线（第一次观测）特征：

baseline_df <- filtered_df %>%
  arrange(pid, wave) %>%
  group_by(pid) %>%
  slice(1) %>% # 取每个pid的第一次wave数据
  ungroup()

内容的提问来源于stack exchange，提问作者j.yj