我是一名目前居住在新德里的研究员，我帮助调整和验证心理测量问卷。为此，我需要帮助修复错误，使用 psych 包计算R中的序数alpha 。
问卷是 7分李克特式量表（从最不可能的＆＃39;到最有可能＆＃39;）有30个项目和6个子秤。对于这些子尺度，我有兴趣计算他们的 序数 alphas ，据我所知，使用 polychoric相关矩阵而不是Chronbach's alpha中使用的 pearson相关矩阵来计算alpha分数。
为实现这一目标，我使用 R ，特别是 psych 包和实用指南中列出的步骤，＆＃34;估算序数可靠性对于李克特型和序数项目回复数据......＆＃34; （Gadderman et al, 2012）。计算序数alpha分数基本上发生在两个命令中：
data.pc <- polychoric(data)为＆＃39; data.pc＆＃39; alpha(data.pc$rho)，为数据集＆＃39;数据提供序数 alpha分数对于我的6个分量表中的5个，在步骤1 中出现多个错误 - 创建多重相关矩阵。我在下面提供了两个例子，其中有40个响应，但来自两个不同的子量表。对于第一个具有3个项目（ABC）的子量表，在计算polychoric()时出现了一堆错误。对于具有3个项目（DEF）的第二个子量表，在计算polychoric时不会出现错误，我随后可以计算alpha()（最终为0.81 - 一个好的得分了！）。什么经历了什么？
数据
ABC <- " A B C
1 7 7 7
2 2 7 1
3 2 2 1
4 3 3 1
5 2 3 1
6 3 4 5
7 1 1 1
8 1 1 1
9 4 1 2
10 1 3 1
11 3 1 1
12 5 2 2
13 1 1 1
14 1 1 1
15 1 1 1
16 4 7 1
17 5 1 2
18 4 1 7
19 6 2 1
20 7 7 7
21 3 1 1
22 1 1 1
23 1 1 1
24 1 7 1
25 1 1 1
26 1 1 1
27 1 4 1
28 2 1 1
29 4 7 1
30 7 7 7
31 1 1 7
32 1 1 1
33 1 1 1
34 7 2 2
35 1 2 2
36 6 7 7
37 2 7 5
38 1 2 1
39 1 1 3
40 1 1 1"
ABC <- read.table(text=ABC, header=TRUE) # Dataset with errors
ABC.pc <- polychoric(ABC)
alpha(ABC.pc$rho)
DEF <- " D E F
1 7 7 7
2 7 7 1
3 1 1 1
4 1 1 4
5 1 6 1
6 5 2 2
7 1 3 1
8 1 1 1
9 3 2 3
10 7 4 7
11 2 1 1
12 1 2 1
13 1 1 1
14 4 5 7
15 1 2 2
16 1 1 1
17 4 7 5
18 7 7 1
19 6 6 4
20 7 7 7
21 7 7 1
22 3 3 1
23 4 3 1
24 1 1 1
25 1 1 1
26 1 1 1
27 1 1 4
28 7 7 1
29 4 4 1
30 7 7 4
31 7 2 6
32 1 1 1
33 1 3 1
34 7 2 2
35 2 1 2
36 1 4 4
37 1 1 1
38 1 1 1
39 1 1 5
40 1 1 1"
DEF <- read.table (text=DEF, header= TRUE) #Dataset without errors
DEF.pc <- polychoric(DEF)
alpha(DEF.pc$rho)
方案吗
如Gadderman等人的指南中的数据输入部分（第7页）所述，这些项目应具有连续数字的序数数据。＆＃34;这可能是我的问题所在，因为我的受访者经常忽略一个或多个值（例如，数据集ABC省略值＆＃39; 5＆＃39;以及＆＃39; 6＆＃39;项目＆＃39; B＆＃39 ; - 构成ABC子量表的三个中的一个）。我已经删除了多变量异常值，但我确实认为响应具有很高的偏差。我不能再收集数据来填补这些空白。
我发现的唯一的潜在解决方案是a thread与某个问题非常相似的人。根据我的理解，统计学家（约翰福克斯，Dep.Sociology，麦克马斯特大学）建议的是重新排列答案：例如，如果受访者没有回应“5”。和＆＃39; 6＆＃39;然后回复＆＃39; 7＆＃39;将被重新编码为＆＃39; 5，以便它与答案＆1,2,4,3,4＆＃39;串联。我意识到这里的包 polychor 与我使用的包不同，但我认为原理是一样的。
我的问题是：正在重新排名＆＃39;以这种方式适当（即得到的序数α分数是否准确估计）？如果没有：还有其他解决方案吗？
答案 0 :(得分：0)
两个问题：
帮助信息似乎认为最大类别数为5.可能没有必要使用此方法来估算具有7个类别的Likert类型项目的可靠性。
提供的数据集中有太多缺失值。即使数据集不包含任何NA s，也不会表示所有序数类别。它无法生成您正在寻找的估计数，而是提供了大量的信息。
您可以编辑数据，以说明预期其运行的条件。例如：
# read in data like above
ABC <- read.table(text = ABC, header = TRUE)
# restrict upper range to 5
ABC[ABC > 5] <- 5
# fill in missing values (scale value 4 on variable C)
ABC[1, 3] <- 4
library(psych)
ABC.pc <- polychoric(ABC)
alpha(ABC.pc$rho)
进行这些更改（1-5级，没有丢失的间隔）后，我估计这些程序没有错误。