将邻接表转换为seminr测量模型的程序化实现方法

问题背景 #

你手头有一份名为df的邻接表数据，需要将其程序化转换为适配R语言seminr包的测量模型格式，目标格式明确，但不清楚如何用do.call实现这一转换。

示例数据 #

df <- read.table(text = "  from  to column_position
1     a  V7              11
2     b  V7              15
3     c  V7              10
4     a  V7               9
5     b  V7              12
6     c V16              17
7     a V16               5
8     b V16              27
9     c V16               6
10    a V16              20
11    b V16              14
12    c V16               7
13    a V14              19
14    b V14              18
15    c V20              24
16    a  C5              21
17    b  C5              28
18    c C13              22
19    a C13              23
20    b C16              26
21    c C16              16
22    a C16              25
23    b C15               8
24    c C15              13", header = TRUE)

seminr测量模型常规写法参考 #

library(seminr)
mobi_mm <- constructs(
    reflective("Image",        multi_items("IMAG", 1:5)),
    reflective("Expectation",  multi_items("CUEX", 1:3)),
    reflective("Quality",      multi_items("PERQ", 1:7)),
    reflective("Value",        multi_items("PERV", 1:2)),
    reflective("Satisfaction", multi_items("CUSA", 1:3)),
    reflective("Complaints",   single_item("CUSCO")),
    reflective("Loyalty",      multi_items("CUSL", 1:3))
)

期望输出格式示例 #

mobi_mm <- constructs(
    reflective("V7", multi_items(item_numbers = c(9,10,11,12,15))),
    reflective("V16", multi_items(item_numbers = c(5,6,7,14,17,20,27))),
    reflective("V14", multi_items(item_numbers = c(18,19))),
    reflective("V20", single_item(item_number = 24)),
    reflective("C5", multi_items(item_numbers = c(21,28))),
    reflective("C13", multi_items(item_numbers = c(22,23))),
    reflective("C16", multi_items(item_numbers = c(16,25,26))),
    reflective("C15", multi_items(item_numbers = c(8,13)))
)

解决方案 #

核心逻辑是：按构念（to列）分组整理题项位置，生成每个构念对应的reflective调用，最后用do.call将所有调用批量传入constructs函数。

方法1：Base R实现

library(seminr)

# 按构念拆分数据，提取并排序题项位置
split_data <- split(df$column_position, df$to)
split_data <- lapply(split_data, sort)

# 生成每个构念的reflective调用
construct_calls <- lapply(names(split_data), function(construct) {
  items <- split_data[[construct]]
  # 根据题项数量选择multi_items或single_item
  item_call <- if(length(items) > 1) {
    call("multi_items", item_numbers = items)
  } else {
    call("single_item", item_number = items)
  }
  call("reflective", construct, item_call)
})

# 批量构建测量模型
mobi_mm <- do.call(constructs, construct_calls)

方法2：dplyr+tibble实现（更直观的分组操作）

library(seminr)
library(dplyr)

# 分组整理构念与对应题项
construct_data <- df %>%
  group_by(to) %>%
  summarise(items = sort(column_position), .groups = "drop")

# 生成调用列表
construct_calls <- pmap(construct_data, function(to, items) {
  item_call <- if(length(items) > 1) {
    call("multi_items", item_numbers = items)
  } else {
    call("single_item", item_number = items)
  }
  call("reflective", to, item_call)
})

# 构建测量模型
mobi_mm <- do.call(constructs, construct_calls)

代码解释 #

1. 分组整理：将邻接表按to列（构念名）拆分，收集每个构念对应的所有题项位置并排序，让生成的代码更整洁。
2. 生成调用：对每个构念，根据题项数量选择multi_items或single_item，用call()函数生成对应的函数调用表达式。
3. 批量构建：通过do.call将所有reflective调用作为参数传递给constructs，实现程序化生成测量模型。

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