使用TraMineR构建右删失不等长序列相异矩阵的长度计算问题

这是我首次在Stack Overflow发帖，此前TraMineR为我提供了重要帮助。我正在处理因右删失导致的不等长序列数据，目前先以“家庭”单维度展开分析（最多10年数据，8种序列状态）。参考Mencarini等人2022年的研究，我希望基于序列的共同最大长度构建相异矩阵。

TraMineR处理右删失数据有两种方式：设为void或missing，再基于序列长度归一化构建相异矩阵。我尝试将缺失状态的插入/替换成本设为0来复现上述研究，但遇到两个问题：

• 当将缺失设为独立状态时，TraMineR会将序列视为等长（如5年数据+5年缺失会被视为10年序列），无法基于非缺失状态长度进行归一化；
• 据文档，目前仅支持基于最大序列长度归一化，能否实现基于最小序列长度的归一化？

示例代码 #

右删失设为void的处理 #

# Sequence object
seq.fam.test <- seqdef(data[,col_fam], cpal = colspace.fam, labels=longlab.fam, states= shortlab.fam, right="DEL")

# Dissimilarity matrix based on OM
dist.fam.om.t1a <- seqdist(seq.fam.test, method="OM", indel=1, sm= "CONSTANT", with.missing=TRUE, norm="maxlength")

右删失设为missing的处理 #

# Sequence object
seq.fam.test.miss <- seqdef(data[,col_fam], cpal = colspace.fam, labels=longlab.fam, states= shortlab.fam, right=NA)

# Dissimilarity matrix based on OM. 

# First, setting cost of transforming missing to 0
fam.test.misscost0 <- seqcost(seq.fam.test.miss, method="CONSTANT", miss.cost=0, with.missing=TRUE, miss.cost.fixed=TRUE)

# Then, create diss matrix
dist.fam.om.t3a <- seqdist(seq.fam.test.miss, method="OM", indel=fam.misscost0$indel, sm= fam.misscost0$sm, with.missing=TRUE, norm="maxlength")

内容的提问来源于stack exchange，提问作者kim.m