区分缺失值类型（无响应与跳过模式）

对于可能没有仔细阅读密码本的数据集用户，您会建议如何区分缺失值类型？

在这个玩具示例中，q2只询问那些回答“是”的人q1。这意味着有一个缺失值q2因为该人没有回应而缺失，并且有两个缺失值q2因为没有提出问题所以丢失了。

library(tidyverse)
df <- tibble(q1 = c("Yes", "Yes", "No", "No"), 
             q2 = c("Yes", NA, NA, NA))

df

# A tibble: 4 x 2
  q1    q2   
  <chr> <chr>
1 Yes   Yes  
2 Yes   NA   
3 No    NA   
4 No    NA 

df %>% group_by(q1, q2) %>% count()

# A tibble: 3 x 3
# Groups:   q1, q2 [3]
  q1    q2        n
  <chr> <chr> <int>
1 No    NA        2
2 Yes   Yes       1
3 Yes   NA        1

当我总结时q2数据集中无法区分无响应的缺失和结构性缺失。

df %>% group_by(q2) %>% count()

# A tibble: 2 x 2
# Groups:   q2 [2]
  q2        n
  <chr> <int>
1 Yes       1
2 NA        3

使用 NA、Inf、-Inf 和 NaN，我们可以表示 4 类数字缺失值。下面我们展示了 NA 与 Inf 的使用，然后是 NA 与 NaN 的使用。在第三种方法中，我们讨论 naniar 包的使用。

1) Recode q2Yes、No、结构缺失和缺失的值分别为 1、0、Inf 和 NA。注意is.na(x)只会针对实际 NA 报告 TRUE，is.infinite(x)只会针对 Inf 报告 TRUE，并且!is.finite(x)如果您需要执行测试，将针对 NA 或 Inf 报告 TRUE。可以选择重新编码输出。

df %>% 
  count(q2 = recode(q2, Yes = 1, No = 0, .missing = ifelse(q1 == "No", Inf, NA)))

giving:

# A tibble: 3 x 2
# Groups:   q2 [3]
     q2     n
  <dbl> <int>
1     1     1
2   Inf     2
3    NA     1

2)其变体是使用 NaN 代替 Inf。在这种情况下测试可以使用is.na(x), is.nan(x) and !is.finite(x)

df %>% 
  count(q2 = recode(q2, Yes = 1, No = 0, .missing = ifelse(q1 == "No", NaN, NA)))

giving:

# A tibble: 3 x 2
     q2     n
  <dbl> <int>
1     1     1
2    NA     1
3   NaN     2

3)naniar 包可以创建辅助列来定义每个 NA 的类型bind_shadow。然后我们可以使用以下命令重新编码辅助列recode_shadow然后在我们的计数中使用它们。

图书馆（纳尼亚尔）

library(naniar)
df %>%
  bind_shadow %>%
  recode_shadow(q2 = .where(is.na(q2) & q1 == "No" ~ "struct")) %>%
  count(q2, q2_NA)

giving:

# A tibble: 3 x 3
  q2    q2_NA         n
  <chr> <fct>     <int>
1 Yes   !NA           1
2 <NA>  NA            1
3 <NA>  NA_struct     2