do::dplyr/tidyverse 和 broom::tidy 中分组 psych::alpha 的问题

Question

我有使用不同语言的同一份问卷执行的调查数据。我想为每种语言编写一个优雅的dplyr/tidyverse 代码，在其中使用psych::alpha。让我们想象一下，数据框 (df) 看起来像这样：

我想计算Q_1:Q_6 的项目和规模可靠性，对于group_var 变量指示的每个组，我编写的代码如下所示

require(tidyverse)
require(psych)
require(broom)

    df %>% 
      select(group_var, Q_1:Q_6) %>%
      as.data.frame() %>% 
      group_by(group_var) %>% 
      do(tidy(psych::alpha(c(Q_1:Q_6))))

但是当我运行代码时，我收到一条错误消息：

Error in psych::alpha(c(Q_1:Q_6)) : 
  object 'Q_1' not found

代码有什么问题？ 提前致谢。

Answer 1

我不认为 tidy 对 psych::alpha() 有效，举个例子：

r4 <- sim.congeneric()
tidy(alpha(r4))
Error: No tidy method for objects of class psych

所以整洁是毫无疑问的，除非你能做的最好的事情是将它们包装在一个小标题中的列表中：

library(dplyr)
library(tidyr)
library(purrr)
library(psych)
library(broom)

df = data.frame(group_var=sample(LETTERS[1:6],100,replace=TRUE),
matrix(sample(0:3,900,replace=TRUE),nrow=100))
colnames(df)[-1] = c(paste0("Q_",1:6), paste0("V_", 23:25))

res = df %>% 
select(group_var, Q_1:Q_6) %>%
nest(data=Q_1:Q_6) %>%
mutate(alpha = map(data,
~alpha(.x,keys=c("Q_1","Q_2","Q_3","Q_4","Q_5","Q_6"))
))

res$alpha[[1]]

Reliability analysis   
Call: alpha(x = .x, keys = c("Q_1", "Q_2", "Q_3", "Q_4", "Q_5", "Q_6"))

  raw_alpha std.alpha G6(smc) average_r   S/N ase mean   sd median_r
     -0.37      -0.3    0.13     -0.04 -0.23 0.6  1.6 0.36    0.039

 lower alpha upper     95% confidence boundaries
-1.54 -0.37 0.81 

 Reliability if an item is dropped:
     raw_alpha std.alpha G6(smc) average_r      S/N alpha se var.r  med.r
Q_1-     -0.38  -0.38221  -0.143  -0.05854 -0.27652     0.61 0.028 -0.080
Q_2-     -0.21  -0.19042   0.173  -0.03305 -0.15996     0.54 0.048  0.066
Q_3-     -0.38  -0.26988   0.096  -0.04439 -0.21252     0.61 0.053  0.046
Q_4-     -0.54  -0.41760  -0.064  -0.06261 -0.29458     0.68 0.045 -0.016
Q_5-     -0.35  -0.26006   0.154  -0.04305 -0.20639     0.60 0.058  0.059
Q_6-      0.03  -0.00088   0.107  -0.00018 -0.00088     0.42 0.024 -0.016

 Item statistics 
      n raw.r std.r  r.cor r.drop mean   sd
Q_1- 13  0.42  0.45  0.552 -0.062 0.77 1.01
Q_2- 13  0.38  0.33 -0.073 -0.162 1.85 1.14
Q_3- 13  0.39  0.38  0.083 -0.058 1.92 0.95
Q_4- 13  0.45  0.47  0.416  0.050 1.62 0.87
Q_5- 13  0.33  0.38 -0.039 -0.073 2.08 0.86
Q_6- 13  0.21  0.18 -0.137 -0.309 1.38 1.12

Non missing response frequency for each item
       0    1    2    3 miss
Q_1 0.08 0.15 0.23 0.54    0
Q_2 0.38 0.23 0.23 0.15    0
Q_3 0.31 0.38 0.23 0.08    0
Q_4 0.15 0.38 0.38 0.08    0
Q_5 0.38 0.31 0.31 0.00    0
Q_6 0.15 0.38 0.15 0.31    0

快速检查似乎tidystats 可能能够做到这一点，但我运行了示例代码并且似乎不起作用。所以你可以自己试试。