如何基于重复测量问卷数据按项计算ICC并生成结果数据框

数据背景 #

现有一份R语言数据框，包含65名参与者的两次问卷重复测量数据：

• 20行对应20个问卷题目（行名：item1至item20）
• 130列对应每名参与者的两次测量（列名：ID1_1、ID1_2…ID65_2）
• 单元格值为0或1

数据构造代码：

df <- data.frame(matrix(NA, nrow = 20, ncol = 130))
# 添加列名
colnames(df) <- c(paste0("ID", rep(1:65, each = 2), "_", rep(1:2)))
# 填充随机0/1值
df[] <- sample(0:1, size = nrow(df) * ncol(df), replace = TRUE)
# 设置行名
row.names(df) <- paste0("item", 1:20)

原代码问题 #

原代码存在两处核心错误：

1. 混淆行/列含义：用grep("^item", names(df), value = TRUE)查找列名中的item，但实际item是行名，列名以ID开头，导致无法获取有效数据分组。
2. ICC函数输入格式错误：ICC()（来自psych包）需要结构化的重复测量数据，原代码直接传入单行数据，不符合函数要求。

正确实现代码 #

步骤说明 #

1. 加载psych包（需提前安装：install.packages("psych")）
2. 遍历每个题目（行），提取该题目下所有参与者的两次测量数据，整理为每行对应一个参与者的宽格式（2列：第一次、第二次测量）
3. 对每个题目的结构化数据计算ICC，提取关键结果
4. 合并所有题目的结果为一个数据框

完整代码 #

# 加载所需包
library(psych)

# 定义计算单个题目ICC的函数
calc_item_icc <- function(item_row, df) {
  # 提取当前题目的所有测量数据，转置后按参与者分组（每2列对应一个参与者的两次测量）
  item_data <- t(df[item_row, ])
  item_data_split <- split(item_data, factor(gsub("_\\d$", "", rownames(item_data))))
  # 整理为宽格式：每行一个参与者，两列是两次测量
  item_df <- do.call(rbind, item_data_split)
  colnames(item_df) <- c("time1", "time2")
  
  # 计算ICC（采用双因素随机效应模型，一致性类型）
  icc_result <- ICC(item_df, model = "twoway", type = "agreement")
  
  # 提取所需结果，返回数据框
  data.frame(
    item = row.names(df)[item_row],
    model = icc_result$Model,
    type = icc_result$Type,
    icc = icc_result$ICC,
    lower_bound = icc_result$`lower bound`,
    upper_bound = icc_result$`upper bound`,
    f_value = icc_result$F.value,
    p_value = icc_result$p.value,
    stringsAsFactors = FALSE
  )
}

# 遍历所有题目，计算ICC
icc_results_list <- lapply(1:nrow(df), calc_item_icc, df = df)

# 合并为最终结果数据框
final_icc_df <- do.call(rbind, icc_results_list)

# 查看结果
print(final_icc_df)

结果说明 #

最终的final_icc_df包含每个题目的ICC值、置信区间、F值、p值等关键统计量，每行对应一个问卷题目。

内容的提问来源于stack exchange，提问作者user21538383