如何按条件分组随机抽样Likert响应数据并限制重复抽样？

核心思路 #

要满足「每种语音的每类问题保留50条响应，且同一参与者在同一语音+问题类型中仅出现一次」的要求，需分两步处理：先确保每个(参与者-语音-问题类型)组合唯一，再按「语音+问题类型」维度分组抽样。

具体代码实现 #

假设你的数据集名为df，关键列包括：participant_id（参与者ID）、voice_id（语音ID）、question_type（问题类型）、response（响应内容）。

1. 去重处理：剔除同一参与者在同一语音+问题类型下的重复记录（若存在），确保每个组合最多一条有效响应：

library(dplyr)

# 去重，保留每个(参与者-语音-问题类型)的唯一记录
df_clean <- df %>%
  distinct(participant_id, voice_id, question_type, .keep_all = TRUE)

2. 分组随机抽样：按「语音ID+问题类型」分组，每组抽取50条；若某组有效记录不足50条，直接保留全部（避免报错）：

# 分组抽样，每组最多50条
sampled_df <- df_clean %>%
  group_by(voice_id, question_type) %>%
  slice_sample(n = min(n(), 50), replace = FALSE) %>%
  ungroup()

关键说明 #

• distinct()从根源上避免了同一参与者在同一语音+问题类型中被多次抽样的问题，完全符合约束条件。
• 若你的dplyr版本低于1.0.0，可替换为旧版sample_n()函数，但组内记录数不足50时会触发警告：

sampled_df <- df_clean %>%
  group_by(voice_id, question_type) %>%
  sample_n(size = min(n(), 50), replace = FALSE) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Alice P