从SPSS/Stata转用R的研究者：如何计算综合得分

不用创建额外变量，你可以通过以下几种方式直接为因子/有序因子指定刻度并计算总分、平均分：

1. 临时映射因子水平到数值（基础R实现） #

直接在rowSums/rowMeans中嵌入水平映射逻辑，无需保存中间变量。比如针对自定义刻度：

假设你的数据框df中有多个Likert型因子变量，水平为c("强烈不同意", "不同意", "中立", "同意", "强烈同意")，你想映射为1:5：

# 先定义目标变量列名
likert_vars <- c("q1", "q2", "q3") # 替换为你的因子变量名

# 计算总分
df$total_score <- rowSums(sapply(df[, likert_vars], function(x) {
  match(x, c("强烈不同意", "不同意", "中立", "同意", "强烈同意"))
}))

# 计算平均分
df$mean_score <- rowMeans(sapply(df[, likert_vars], function(x) {
  match(x, c("强烈不同意", "不同意", "中立", "同意", "强烈同意"))
}))

如果是有序因子，as.numeric()会默认返回水平的顺序值，但如果需要自定义刻度，同样可以用match()替换默认映射逻辑。

2. dplyr流水线中临时转换（无中间变量） #

用dplyr的mutate结合across，在计算时直接完成映射，不会生成额外的变量列：

library(dplyr)

# 自定义刻度映射表
scale_map <- c("强烈不同意" = 1, "不同意" = 2, "中立" = 3, "同意" = 4, "强烈同意" = 5)
likert_vars <- c("q1", "q2", "q3") # 替换为你的因子变量名

df <- df %>%
  mutate(
    total_score = rowSums(across(likert_vars, ~ scale_map[as.character(.)])),
    mean_score = rowMeans(across(likert_vars, ~ scale_map[as.character(.)]))
  )

这里across会遍历指定的因子变量，临时用scale_map转换为数值后计算，不会保留转换后的单个变量。

3. 封装自定义函数复用 #

如果需要多次计算，可以封装一个函数，直接传入因子变量和刻度映射，返回得分：

calc_likert_scores <- function(data, vars, scale_map) {
  converted <- sapply(data[, vars], function(x) scale_map[as.character(x)])
  list(
    total = rowSums(converted, na.rm = TRUE),
    mean = rowMeans(converted, na.rm = TRUE)
  )
}

# 使用示例
likert_vars <- c("q1", "q2", "q3")
scale_map <- c("强烈不同意" = 1, "不同意" = 2, "中立" = 3, "同意" = 4, "强烈同意" = 5)

scores <- calc_likert_scores(df, likert_vars, scale_map)
df$total_score <- scores$total
df$mean_score <- scores$mean

函数内部完成转换计算，不会在数据框中生成额外的因子转数值的变量，na.rm = TRUE还能处理缺失值情况。

注意事项 #

• 对于有序因子，确保刻度映射和因子水平的逻辑顺序一致，避免出现逻辑矛盾；
• 如果因子存在未匹配的水平，映射会返回NA，可以提前用droplevels()清理无效水平。

内容的提问来源于stack exchange，提问作者Todd Becker