为何cor_auto处理两变量时listwise与pairwise缺失策略结果不同？

当仅涉及两个变量时，你预期两种缺失策略会得到一致结果，但实际出现差异，核心原因在于cor_auto计算多分格（polychoric）相关时，两种缺失模式下的阈值估计逻辑不同，而非用于计算相关的样本集差异。

关键差异点：阈值估计的样本范围 #

多分格相关的计算依赖于对有序分类变量潜在连续阈值的估计，cor_auto在两种缺失模式下的处理逻辑有本质区别：

• missing = "listwise"：先删除所有含缺失值的案例（即你的示例中89个完整样本），阈值估计和相关系数计算均基于这个统一的完整数据集。
• missing = "pairwise"：阈值估计是分别基于每个变量自身的所有非缺失样本（变量a用全部100个样本，变量b用89个非缺失样本），再用两个变量均无缺失的89个样本计算相关系数。

由于阈值是多分格相关计算的核心参数，不同样本范围估计出的阈值存在差异，最终导致相关系数结果不同。

手动验证过程 #

你可以通过拆解步骤验证这个逻辑：

1. 验证listwise模式的结果：

library(psych)
# 提取listwise删除后的完整数据集
df_listwise <- df[complete.cases(df), ]
# 计算该数据集的多分格相关
psych::polychoric(df_listwise)$rho

此结果与cor_auto(df[,c("a", "b")], missing = "listwise")完全一致。

2. 验证pairwise模式的结果：

# 用变量a的全样本估计阈值
thresh_a <- psych::polychoric(df$a)$tau
# 用变量b的非缺失样本估计阈值
thresh_b <- psych::polychoric(df$b[!is.na(df$b)])$tau
# 使用上述阈值，基于共同完整样本计算相关
psych::polychoric(table(df_listwise$a, df_listwise$b), tau_x = thresh_a, tau_y = thresh_b)$rho

此结果与cor_auto(df[,c("a", "b")], missing = "pairwise")完全一致。

总结 #

两种模式下用于计算相关的样本集确实是同一个（89个完整样本），但阈值估计阶段使用的样本范围不同，这才是导致多分格相关结果差异的根本原因。

内容的提问来源于stack exchange，提问作者Georgia