按组计算均值标准误差遇NA结果问题求助

问题原因 #

你遇到的标准误差返回NA的核心问题是summarise步骤中的列名覆盖导致变量引用错误：

• 在summarise中，你先定义了depression = mean(depression)，这会用分组后的单个均值覆盖原始的depression列。后续计算se.dep = std.error(depression)时，这里的depression已经是每组的单个数值，而标准差sd()需要至少两个数据点才能计算，因此返回NA。
• 同理anxiety列也是如此：先将其替换为分组均值，后续sd(anxiety)实际是对单个数值计算标准差，结果必然为NA。

解决方案 #

方案1：避免列名覆盖，给均值列重命名 #

给均值列设置与原始列不同的名称，确保后续计算标准误差时能正常引用原始数据列：

data("AddHealth", package = "heplots")
library(dplyr)

std.error <- function(x, na.rm = TRUE) {
  sd(x, na.rm = na.rm) / sqrt(length(x))
}

AddHealth |>
  group_by(grade) |>
  summarise(
    mean_depression = mean(depression),
    mean_anxiety = mean(anxiety),
    n = n(),
    se.dep = std.error(depression),
    se.anx = sd(anxiety, na.rm = TRUE) / sqrt(n)
  ) |> 
  print()

方案2：用.data代词明确引用原始列 #

如果不想修改列名，可通过.data代词指定使用原始数据中的列，避免被新生成的均值列覆盖：

AddHealth |>
  group_by(grade) |>
  summarise(
    depression = mean(depression),
    anxiety = mean(anxiety),
    n = n(),
    se.dep = std.error(.data$depression),
    se.anx = sd(.data$anxiety, na.rm = TRUE) / sqrt(n)
  ) |> 
  print()

方案3：用across批量计算（更简洁） #

如果需要处理多个变量，across可以高效地同时计算均值和标准误差，自动避免列名冲突：

AddHealth |>
  group_by(grade) |>
  summarise(
    across(c(depression, anxiety), list(mean = mean, se = ~sd(., na.rm=TRUE)/sqrt(n()))),
    n = n()
  ) |>
  print()

该方式会生成depression_mean、depression_se、anxiety_mean、anxiety_se等列，结构更清晰。

内容的提问来源于stack exchange，提问作者user101089