charls数据库统计分析为什么要控制协变量
那么，为什么要控制协变量呢，因为它可能会带来混杂偏倚、增加模型误差等。
混杂偏倚是指一个或多个隐藏的因素（协变量）同时影响自变量和因变量，导致观察到的关系产生偏移。如，在分析吸烟与健康的关系时，年龄可能既与吸烟行为相关，也与健康结果相关。因此，如果不控制年龄，吸烟和健康之间的关系可能会被夸大或掩盖。
控制协变量可以减少这些混杂因素的影响，从而使得自变量与因变量之间的关系更加准确。例如，控制年龄、性别、收入水平等因素后，可以更加清晰地评估吸烟对健康的独立影响。
另外因为CHARLS是一个追踪访问数据，因此会每一个新的wave增加新的受访者，也可能某个wave中之前受访者会缺席等等不确定因素。这就导致我们按照nhanes的逻辑处理数据会有点困难且不正确。
常见的协变量及提取方法
人口社会学变量：年龄、性别、教育水平、城乡居住、婚姻状况等
健康行为：吸烟、饮酒等
健康状况：慢性病、BMI等
上述变量均可直接从harmonised数据中获取【CHARLS官方发布的harmonised数据，对wave 1 2 3 4进行了full join，并且对一些常规变量进行处理，极其方便使用】
design <- c("r1agey_H_CHARLS_D_Data",#age2011-harmonised"ragender_H_CHARLS_D_Data",#性别-harmonised"raeduc_c_H_CHARLS_D_Data",#education-harmonised"r1mstath_H_CHARLS_D_Data",#婚姻状态2011-harmonised"r1rural2_H_CHARLS_D_Data",#居住地2011-harmonised"r1smokev_H_CHARLS_D_Data",#吸烟ever2011-harmonised"r1smoken_H_CHARLS_D_Data",#吸烟now2011-harmonised"r1drinkn_c_H_CHARLS_D_Data",#饮酒2011-harmonised"r1mbmi_H_CHARLS_D_Data",#BMI2011-harmonised# chronic 14种"r1hibpe_H_CHARLS_D_Data", #高血压2011-harmonised"r1diabe_H_CHARLS_D_Data", #糖尿病2011-harmonised"r1cancre_H_CHARLS_D_Data", #癌症2011-harmonised"r1lunge_H_CHARLS_D_Data", #肺部疾病2011-harmonised"r1hearte_H_CHARLS_D_Data", #心脏疾病2011-harmonised"r1stroke_H_CHARLS_D_Data", #中风2011-harmonised"r1psyche_H_CHARLS_D_Data", #精神疾病2011-harmonised"r1arthre_H_CHARLS_D_Data", #关节炎2011-harmonised"r1dyslipe_H_CHARLS_D_Data", #血脂异常2011-harmonised"r1livere_H_CHARLS_D_Data", #肝脏疾病2011-harmonised"r1kidneye_H_CHARLS_D_Data", #肾脏疾病2011-harmonised"r1digeste_H_CHARLS_D_Data", #消化系统疾病2011-harmonised"r1asthmae_H_CHARLS_D_Data", #哮喘2011-harmonised"r1memrye_H_CHARLS_D_Data"#记忆问题2011-harmonised)column_names <- get_descriptions(design)# 获取原始数据df <- fetch_CHARLS_data(design, merge_method ="left",column_names)# 处理数据step1 <- df %>%mutate(sex = case_when(ragender_r_gender == "2.woman" ~ "Female",ragender_r_gender == "1.man" ~ "Male",TRUE ~ ragender_r_gender#如果 ragender_r_gender 的值不是 "2.woman" 或 "1.man"，则保留原始值不变#通常用于处理其他可能的值或者缺失值（NA）))%>%mutate(Marital = case_when(r1mstath_w1_r_marital_status %in% c("1.married", "2.married, sp abs") ~ "Married",r1mstath_w1_r_marital_status %in% c("7.widowed", "5.divorced", "4.separated", "8.never married") ~ "Non-married",TRUE ~ NA_character_))%>%mutate(Education = case_when(raeduc_c_r_education_ %in% c("1.No formal education illiterate","2.Did not finish primary school but capable of reading and/or writing","3.Sishu","4.Elementary school") ~ "Primary school or below",raeduc_c_r_education_ == "5.Middle school" | raeduc_c_r_education_ == "6.High school" ~ "High school",raeduc_c_r_education_ %in% c("7.Vocational school","8.Two/Three Year College/Associate degree","9.Four Year College/Bachelor's degree","10.Post-graduated(Master/PhD)") ~ "College or above",TRUE ~ NA_character_))%>%mutate(Location = case_when(r1rural2_w1_r_rural_hukou == "1.Rural hukou" ~ "Village",r1rural2_w1_r_rural_hukou == "0.Urban hukou" ~ "City/town",TRUE ~ NA_character_ # 保留 NA))%>%mutate(Smoking = case_when(r1smokev_w1_r_smoke_ever == "0.No" ~ "Non-smoker", # 从未吸烟r1smokev_w1_r_smoke_ever == "1.Yes" & r1smoken_w1_r_smoke_now == "1.Yes" ~ "Current smoker", # 目前吸烟r1smokev_w1_r_smoke_ever == "1.Yes" & r1smoken_w1_r_smoke_now == "0.No" ~ "Ex-smoker", # 过去吸烟但现在不吸TRUE ~ NA_character_ # 保留 NA))%>%mutate(Drinking = case_when(r1drinkn_c_w1_r_frequency_of_drinking_last_year == "0.None" ~ "None of these",r1drinkn_c_w1_r_frequency_of_drinking_last_year == "1.Less than once a month" ~ "Drink but less than once a month",r1drinkn_c_w1_r_frequency_of_drinking_last_year %in% c("2.Once a month", "3.2 to 3 days a month", "4.Once a week","5.2 to 3 days a week", "6.4 to 6 days a week", "7.Daily","8.Twice a day", "9.More than twice a day") ~ "Drink more than once a month",TRUE ~ NA_character_ # 保留 NA))%>%mutate(BMI = r1mbmi_w1_r_measured_body_mass_index_)%>%#BMI2011-harmonisedmutate(Age = r1agey_w1_r_age_in_years)%>%mutate(chronic = rowSums(select(., "r1hibpe_w3_r_ever_had_high_blood_pressure","r1diabe_w3_r_ever_had_diabetes","r1cancre_w3_r_ever_had_cancer","r1lunge_w3_r_ever_had_lung_disease","r1hearte_w3_r_ever_had_heart_problem","r1stroke_w3_r_ever_had_stroke","r1psyche_w3_r_ever_had_psych_problem","r1arthre_w3_r_ever_had_arthritis","r1dyslipe_w3_r_ever_had_dyslipidemia","r1livere_w3_r_ever_had_liver_disease","r1kidneye_w3_r_ever_had_kidney_disease","r1digeste_w3_r_ever_had_stomach_digestive_disease","r1asthmae_w3_r_ever_had_asthma","r1memrye_w3_r_ever_had_memory_problem") == "1.Yes", na.rm = TRUE))%>%#select(.) 表示选择当前数据框中的多个指定列#rowSums() 函数用于计算每一行中 TRUE 的数量。TRUE 会被视为 1，FALSE 会被视为 0mutate(Number_of_chronic_conditions = case_when(chronic == 0 ~ "0",chronic == 1 ~ "1",chronic >= 2 ~ "≥2"))#慢病数量3分类
通过这种方式，一方面可以提升数据分析速度，另一方面发现NA数据量大幅下降，增加数据结果可信性。
另外，他们的harmonised数据也是方便与HRS等数据进行多国之间的比较。
多数据库联合＋环境联合
5. 一键生成Kaplan-Meier曲线、森林图-小白学习周期进一步缩短！
增加了codebook查询功能，目前支持CHARLS, CHNS, CLHLS, ELSA, MHAS, SHARE数据库。 增加了数据预览功能，根据code预览对应原始数据（速度极快），便于大家理解数据的构成与内容，支持目前的7个数据库。
深夜答疑，24h并肩作战
charlsMAX R包如何购买？
购买多国健康数据库精析与挖掘课程即送charlsMAX R包，并配有常规学习代码、文章实操复现等视频学习内容（永久观看）
另有服务：社群答疑（永久）、1v1选题 审稿 投稿推荐 返修指导服务（2年）
价格：3999，学生3799（包含税，可开发票）
福利来咯！
转发此条至朋友圈+配文字“医豌豆，科研精，公共数据库助你行”（维持3小时以上），即可免费获取“配有charlsMAX相关code、变量查询的网站”，并可加入公共数据库交流社群一起学习。
课程咨询微信
豌豆老师
小宇老师
课程购买链接
行稳致远 进而有为
期待你的
分享
点赞
在看
