多重插补后如何获取McDonald's Omega的合并估计值？

一、现成函数方法（推荐） #

直接用semTools包的reliability.mi()函数，它专门适配lavaan.mi生成的多重插补CFA结果，会自动按照Rubin规则合并各插补数据集的Omega估计值，输出合并后的点估计和标准误，完全匹配你需要报告的合并结果。

示例代码：

# 先对插补数据集拟合CFA（imputed_data是mice生成的插补对象）
cfa_fit <- cfa.mi(
  model = "f1 =~ item1 + item2 + item3 + item4", # 替换成你的量表因子模型
  data = imputed_data
)

# 计算合并后的McDonald's Omega
omega_pooled <- reliability.mi(cfa_fit, measures = "omega")
print(omega_pooled)

二、手动计算方法（基于Rubin规则） #

如果想自己实现合并逻辑，按以下步骤操作：

1. 遍历每个插补数据集，单独计算Omega和对应方差

# 初始化存储容器
omega_vals <- numeric(5) # 5是插补数据集数量
var_vals <- numeric(5)

# 循环处理每个插补数据集
for (i in 1:5) {
  # 提取第i个完整插补数据集
  dat_i <- complete(imputed_data, action = i)
  # 拟合单数据集CFA
  cfa_i <- cfa(
    model = "f1 =~ item1 + item2 + item3 + item4",
    data = dat_i
  )
  # 获取Omega和标准误，计算方差
  rel_i <- reliability(cfa_i, measures = "omega")
  omega_vals[i] <- rel_i$omega
  var_vals[i] <- (rel_i$omega.se)^2
}

2. 用Rubin规则合并结果

# 合并后的点估计：各Omega的均值
pooled_omega <- mean(omega_vals)

# 内插补方差：各方差的均值
within_var <- mean(var_vals)
# 间插补方差：各Omega的方差
between_var <- var(omega_vals)
# 总方差（含调整项）
total_var <- within_var + between_var + between_var/5
# 合并后的标准误
pooled_se <- sqrt(total_var)

# 输出结果
cat("合并后的McDonald's Omega：", pooled_omega, "\n")
cat("合并后的标准误：", pooled_se, "\n")

内容的提问来源于stack exchange，提问作者borski56