如何重构R数据框以计算评分者间信度（IRR）？

嘿，我来帮你搞定这个数据重构的问题，这可是计算评分者信度前的关键步骤！你的需求是把同一id下多名编码者的结果合并到同一行，拆分成var1/var1_coder2这类列，同时过滤掉只有单个编码者的条目对吧？

下面给你两种实用的R语言实现方法，都是用常用的tidyverse工具包：

方法一：通用型（支持2名以上编码者） #

这种方法不管每个id有多少名编码者都能处理，会自动生成对应数量的编码者列：

首先加载依赖包：

library(dplyr)
library(tidyr)

然后执行数据处理：

# 给每个id内的编码者添加编号，再转宽格式
df_irr_ready <- df %>%
  # 按id分组
  group_by(id) %>%
  # 只保留有至少2名编码者的id（单个编码者的没法算信度）
  filter(n() >= 2) %>%
  # 给每个编码者分配编号：coder1、coder2...
  mutate(coder_id = paste0("coder", row_number())) %>%
  ungroup() %>%
  # 从长格式转为宽格式，把编码者编号作为列名后缀
  pivot_wider(
    id_cols = id,
    names_from = coder_id,
    values_from = c(var1, var2),
    names_sep = "_"
  )

# 查看最终结果
print(df_irr_ready)

运行后会得到你想要的格式：

# A tibble: 5 × 5
     id var1_coder1 var1_coder2 var2_coder1 var2_coder2
  <dbl> <chr>       <chr>       <chr>       <chr>      
1     2 A           A           1           1          
2     3 B           A           5           6          
3     4 C           C           2           3          
4     5 A           A           1           1          
5     6 E           E           3           3          

方法二：简化版（仅适用于最多2名编码者） #

如果你确定所有待分析的id都只有2名编码者，那可以用更简洁的写法，直接提取第一个和最后一个编码者的结果：

df_irr_ready <- df %>%
  group_by(id) %>%
  filter(n() >= 2) %>%
  summarize(
    var1 = first(var1),
    var1_coder2 = last(var1),
    var2 = first(var2),
    var2_coder2 = last(var2)
  ) %>%
  ungroup()

这个方法输出的结果和上面完全一致，代码更短，但局限性是只能处理2名编码者的情况。

小提示 #

• 两种方法都会自动过滤掉id=1和id=7这类只有单个编码者的条目，这些本来就没法用于信度计算。
• 如果以后遇到有3名及以上编码者的情况，优先用方法一，它会自动生成var1_coder3这类列，扩展性更好。

内容的提问来源于stack exchange，提问作者D. Studer