使用tidyverse与psych软件包从不同的数据集/数据库获取raw_alpha值

Question

我花了一天时间寻找这个答案，但我几乎要放弃了。 实际上，我确实想像是一个非常简单的情况，但是我会很高兴得到任何帮助。

假设我有两个数据集 ，第一个获得所有学生的所有ID

library(tidyverse)
library(psych)

ds_of_students <- data.frame(id=(1:4), school=c("public","private"))

第二个具有测试的所有结果。 假设每一列都是一个ID 。

ds_of_results <- structure(list(i1 = c(1, 2, 4, 4),
                                i2 = c(3, 3, 2, 2),
                                i3 = c(2, 3, 3, 5),
                                i4 = c(4, 1, 3, 2)), 
                           class = c("tbl_df", "tbl", 
                                     "data.frame"), row.names = c(NA, -4L))

现在，我需要报告一张按学校分组的学生ID表，然后得出结果（实际上，这是Cronbach alpha结果，这在心理学中很常见）。

ds_of_students %>%
  group_by(school) %>%
  summarise(n=n(), 
            id = paste(id, collapse = ",")) %>% 
  mutate(item2=psych::alpha(ds_of_results[c(id)])$total[1])

我有这个消息

Error in mutate_impl(.data, dots) : 
  Evaluation error: Columns `2,4`, `1,3` not found.

但是当我以传统方式跑步时，它会起作用

psych::alpha(ds_of_results[c(1,3)])$total[1]

我尝试使用粘贴， noquote ， gsub ans strcol

请运行此代码以获得可重复的结果。 非常感谢！

library(tidyverse)
library(psych)
ds_of_students <- data.frame(id=(1:4), school=c("public","private"))
ds_of_results <- structure(list(i1 = c(1, 2, 4, 4),
                                i2 = c(3, 3, 2, 2),
                                i3 = c(2, 3, 3, 5),
                                i4 = c(4, 1, 3, 2)), 
                           class = c("tbl_df", "tbl", 
                                     "data.frame"), row.names = c(NA, -4L))

ds_of_students %>%
  group_by(school) %>%
  summarise(n=n(), 
            id = paste(id, collapse = ",")) %>% 
  mutate(item2=psych::alpha(ds_of_results[c(id)])$total[1])


alpha(ds_of_results[c(1,3)])$total[1]

我想要的输出是这样的

为了使我的问题更现实，那就是真实的数据集，在这里我必须计算Cronbach的alpha项以及每个组的项。

Answer 1

get_alpha <- function(x) {  
  raw_alpha <-
    psych::alpha(
      ds_of_results[, ds_of_students[ds_of_students$school == x, 1]])$total[1]
  ids <-
    paste0(names(ds_of_results[, ds_of_students[ds_of_students$school == x, 1]]),
           collapse = ",")
  data.frame(
    school = x,
    id = ids,
    raw_alpha = raw_alpha
  )
}

map_df(levels(ds_of_students$school), get_alpha)

结果

   school    id raw_alpha
1 private i2,i4      0.00
2  public i1,i3      0.85

您的代码中存在几个问题：

• mutate使用数据框内的变量，而psych::alpha需要整个数据框。 因此，我认为您无法使用mutate获得alpha值

• 您使用$total提取psych::alpha给出的数据帧列表的一个元素，但是在管道中不起作用（管道不处理列表，仅适用于数据帧）

因此，基本上， psych::alpha ，它需要整个数据帧作为输入并输出数据帧列表，在经典的dplyr争用工作流程中不能很好地发挥作用。

Answer 2

我不确定这是您要寻找的内容，但是请尝试一下并告诉我您是否获得了预期的结果。 这样替换您的summarise调用（还要注意mutate调用中的“取消列出”）：

ds_of_students %>% mutate(id=lapply(strsplit(id,","),as.integer))
    group_by(school) %>%
    summarise(id = list(id)) %>% 
mutate(item2=psych::alpha(ds_of_results[unlist(id)])$total[1])

我在这里所做的是将您的粘贴替换为列表，以便将数字保留为数字，并且可以在下一步顺利进行时传递给子集调用。 当然，如果id是字符，这也将起作用，假设ds_of_results中的列名称是ds_of_students的ID。 您需要将其与unlist一起传递，以便子集将其作为简单的向量而不是作为具有一个vector元素的列表来获取。

使用您的虚假数据，我得到此错误：

Some items ( i2 i4 ) were negatively correlated with the total scale and 
probably should be reversed.  
To do this, run the function again with the 'check.keys=TRUE' option# A tibble: 2 x 3
  school  id        item2       
  <fct>   <list>    <data.frame>
1 private <int [2]> -1          
2 public  <int [2]> -1          
Warning messages:
1: In cor.smooth(r) : Matrix was not positive definite, smoothing was done
2: In psych::alpha(ds_of_results[unlist(id)]) :
  Some items were negatively correlated with the total scale and probably 
should be reversed.  
To do this, run the function again with the 'check.keys=TRUE' option
3: In cor.smooth(R) : Matrix was not positive definite, smoothing was done
4: In cor.smooth(R) : Matrix was not positive definite, smoothing was done

但这可能只是假数据本身的问题，而不是代码问题。