在R中为Likert量表的Not Applicable编码以计算相关系数

针对你遇到的问题，给你几个实用的解决方案，避开之前合并类别导致变量无变异的坑：

方案1：把NA当作独立有序类别，用专门的有序相关系数 #

• 别把NA和原有1-5的选项混在一起合并，单独给它一个独立编码（比如设成6，或者3.5这种中间值），然后用Kendall's Tau-b或者支持有序分类的Spearman相关分析。
• 注意：普通的Spearman Rho会把NA当缺失值，得用能识别分类有序变量的工具，比如R里coin包的kendalltau_test，或者SPSS里的有序相关功能——你需要明确告诉工具，NA是一个有序类别（比如把它排在中立值3的旁边，或者所有量表值的末尾，具体看你NA的语义：如果是“不涉及该问题”，排中间逻辑更合理）。
• 这个方法能保留所有样本信息，也不会因为某些条目只有同意类选项就出现全值的情况。

方案2：配对过滤样本，保留原量表编码 #

• 计算两个变量的相关时，只保留两个变量都没选NA的样本对，原有1-5的编码完全不动，用普通的Pearson或Spearman相关就行。
• 前提是NA的分布没有系统性偏差（比如不会是某一类人群全选NA），好处是完全保留原量表的度量精度，不会因为编码引入额外误差。

方案3：给NA赋予符合语义的中间值 #

• 如果你的NA代表“对这个问题没立场/不相关”，可以直接把NA编码成3（中立）。针对你提到的有些条目只有“强烈同意/同意”（4、5）的情况，这样编码后变量会有3、4、5三种值，不会全为同一数，就能正常计算相关了。
• 但一定要在研究报告里写清楚这个编码逻辑，避免别人误解，而且只适用于NA语义接近中立的场景。

绝对要避开的坑 #

• 别像之前那样强行合并类别成三分法，这不仅丢了原量表的区分度，还容易导致变量无变异，直接算不出相关。
• 别把NA当缺失值删掉，题目明确说NA不算缺失，删了会浪费样本数据。

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