R语言使用变量均值构建索引的两种方法准确性对比问询

结果差异的核心原因 #

你两种方法的计算逻辑存在本质区别，和四舍五入无关：

• 你的自定义代码逻辑：先按country分组对每个原始变量做组内标准化（用每个国家内部的均值、标准差计算Z值），之后直接对4个组内标准化后的变量计算行均值得到索引。
• idx_mean默认逻辑：该函数默认会先对所有输入的变量做全数据集全局标准化，再计算行均值。你传入的是已经按国家组内标准化后的变量，等于多做了一次全局标准化步骤，最终结果自然和自定义代码不一致。

准确性判断&修复方案 #

不存在绝对的「更准确」，只看哪种逻辑符合你的研究设计需求：

1. 如果你需要的是「先按国家组内标准化再合成索引」：你的自定义代码逻辑符合预期，只需调用idx_mean时关闭默认标准化即可，修改后二者结果完全一致：

mutate(data, idx_var = idx_mean(std_var1, std_var2, std_var3, std_var4, std = FALSE))

小提示：你的自定义代码末尾的unnest()属于多余操作，当前处理流程没有生成嵌套列表列，调用该函数反而可能引发报错。
2. 如果你需要的是「标准化后变量再做一次全局标准化再合成索引」：那idx_mean的默认输出更符合你的需求。

结果对比参考 #

内容的提问来源于stack exchange，提问作者ZR8