如何在R语言中按分组计算Likert型量表正向回答占比？

我懂你要做的事儿——就是把SPSS里统计正向回答（4、5分）占比的逻辑搬到R里，用类似aggregate的方式按分组批量处理所有题项对吧？其实不用局限于aggregate本身，不过也能用它实现，我给你两种实用的方法：

方法一：自定义函数配合aggregate #

先写个专门计算正向占比的小函数，再把它传给aggregate的FUN参数就行：

# 定义计算正向回答占比的函数
positive_prop <- function(x) {
  # 把符合4/5的项转成TRUE（等价于1），取均值再乘100转百分比，na.rm处理缺失值
  mean(x %in% c(4, 5), na.rm = TRUE) * 100
}

# 按分组统计所有题项的正向占比
result <- aggregate(dataset[items], by = list(subgroup = dataset$subgroup), FUN = positive_prop)

这里要注意两点：

• x %in% c(4,5)会自动把符合条件的元素转成逻辑值，取均值直接就是比例，乘100后更符合我们看百分比的习惯
• 一定要加na.rm = TRUE，避免缺失值打乱计算结果

方法二：用dplyr更简洁实现 #

如果你的数据集比较大，或者想要更直观的代码，dplyr的分组汇总语法会顺手很多：

library(dplyr)

result <- dataset %>%
  group_by(subgroup) %>%
  # across批量处理所有指定题项，~后面是计算逻辑
  summarise(across(all_of(items), ~mean(.x %in% c(4,5), na.rm = TRUE)*100))

这个方法的优势是代码可读性极强，across能轻松覆盖所有目标题项，不用额外写循环或者单独函数。

小补充 #

• 要是需要控制小数位数，可以用round()包裹计算部分，比如round(mean(...)*100, 1)就能保留一位小数
• 先确认你的题项列都是数值型的，如果是字符型，记得先转换：dataset[items] <- lapply(dataset[items], as.numeric)

内容的提问来源于stack exchange，提问作者user11899141