如何在 R 中单独排除目标和参与者的异常值

Question

我对R(非常(陌生，我想知道是否可以得到一些帮助。我想知道如何排除异常值，即每个参与者平均反应时间和每个目标平均反应时间的两个标准差，并将其替换为na。

我的数据如下：

ptp  rt    group   target
1    1094  E       dog
1    2100  E       hat
2    918   E       dog
2    1211  E       hat
3    1142  E       dog
3    1222  E       hat
1    10    W       dog
1    993   W       hat
2    897   W       dog
2    1078  W       hat
3    4002  W       dog
3    899   W       hat

我计算了每个参与者和项目的平均值和sd

mean <- tapply(data$rt, data$target, mean)
sd <-  tapply(data$rt, data$target, sd)
mean <-  tapply(data$rt, data$ptp, mean)
sd <- tapply(data$rt, data$ptp, sd)

然而，我对R非常陌生，我无法计算出与平均值的两个标准差(平均值+1.96*SD和平均值-1.96*SD(，并将所有超出参与者范围的值转换为NA。肯定有比手工更简单的方法！任何帮助都将不胜感激。

非常感谢，Jen

Answer 1

要获得好的摘要统计信息，可以使用aggregate()。

aggregate(rt ~ target + ptp, dat, function(x) c(mean=mean(x), sd=sd(x), sd196=sd(x)*1.96))
#   target ptp    rt.mean      rt.sd rt.sd196
# 1    dog   1  552.00000  766.50375 1502.34735
# 2    hat   1 1546.50000  782.76721 1534.22373
# 3    dog   2  907.50000   14.84924   29.10452
# 4    hat   2 1144.50000   94.04520  184.32860
# 5    dog   3 2572.00000 2022.32539 3963.75777
# 6    hat   3 1060.50000  228.39549  447.65516

对于排除(假设要排除每个"target"的全部观测值(，可以使用ave()将数据的子集设置为NA。

dat$rt[with(dat, ave(rt, target, ptp, FUN=function(x) mean(x)/sd(x))) > 1.96] <- NA
#    ptp   rt group target
# 1    1 1094     E    dog
# 2    1   NA     E    hat
# 3    2   NA     E    dog
# 4    2   NA     E    hat
# 5    3 1142     E    dog
# 6    3   NA     E    hat
# 7    1   10     W    dog
# 8    1   NA     W    hat
# 9    2   NA     W    dog
# 10   2   NA     W    hat
# 11   3 4002     W    dog
# 12   3   NA     W    hat

为了不排除整个参与者，不要将ptp包含在ave()中，并执行：

dat$rt[with(dat, ave(rt, target, FUN=function(x) mean(x)/sd(x))) > 1.96] <- NA

注意：如果尚未为函数分配名称，请事先检查。在您的示例中，使用mean()和sd()函数创建碰撞。

数据

dat <- structure(list(ptp = c(1L, 1L, 2L, 2L, 3L, 3L, 1L, 1L, 2L, 2L, 
3L, 3L), rt = c(1094L, 2100L, 918L, 1211L, 1142L, 1222L, 10L, 
993L, 897L, 1078L, 4002L, 899L), group = c("E", "E", "E", "E", 
"E", "E", "W", "W", "W", "W", "W", "W"), target = c("dog", "hat", 
"dog", "hat", "dog", "hat", "dog", "hat", "dog", "hat", "dog", 
"hat")), row.names = c(NA, -12L), class = "data.frame")

Answer 2

根据我的经验，最好而简短的方法是：

library(dplyr)
data_2SD <- data %>% 
group_by(ptp,target) %>% 
mutate_at(vars(rt), ~replace(.x, abs(scale(.x)) >= 2, NA))

在你的情况下，没有这样的观察结果，按每个ptp和target分组，它们大于或小于其平均反应时间的两个标准偏差：

输出：

> data_2SD
# A tibble: 12 x 4
# Groups:   ptp, target [6]
ptp    rt group target
<dbl> <dbl> <chr> <chr> 
1     1  1094 E     dog   
2     1  2100 E     hat   
3     2   918 E     dog   
4     2  1211 E     hat   
5     3  1142 E     dog   
6     3  1222 E     hat   
7     1    10 W     dog   
8     1   993 W     hat   
9     2   897 W     dog   
10     2  1078 W     hat   
11     3  4002 W     dog   
12     3   899 W     hat