expss包交叉分类表缺失值处理异常及统计测试工具问询

问题 #

我用expss包制作市场研究的交叉分类表时，遇到了无效响应（如-999、-998这类缺失值）的处理异常。背景是客户调研中跳过的问题会被记录为-999/-998，这类值需要从百分比、均值计算中排除，但要在表格中保留显示；同时还需合并Likert量表评级（比如将5分制满意度的4+5组合为“Top 2 Box”分组）。

当前问题：使用tab_mis_val标记缺失值后，仅quest1的常规统计排除了缺失值，而quest1 %in% c(4,5)的分组统计未排除该类值，总案例数仍为原始的8和7，未去掉缺失值。需要解决expss中的这个问题，同时想了解有哪些支持加权与未加权统计测试的替代R包。

可复现代码及输出 #

原始代码（未标记缺失值）

library(tibble)
library(expss)

df <- tibble(
  id = 1:15,
  quest1 = c(1, 1, 2, 2, 2, 3, 4, 4, 4, 5, 5, 5, 5, -999, -998),
  grp = c("G1", "G2", "G1", "G2", "G1", "G1", "G2", "G1", "G2", "G1", "G2", "G1", "G2", "G1", "G2"))

example1 = df %>%
  tab_cols(grp) %>%
  tab_cells(quest1,
            quest1 %in% c(4, 5)) %>%
  tab_stat_cpct() %>%
  tab_pivot()

example1输出：

|                     |              |  grp |      |
 |                     |              |   G1 |   G2 |
 | ------------------- | ------------ | ---- | ---- |
 |              quest1 |         -999 | 12.5 |      |
 |                     |         -998 |      | 14.3 |
 |                     |            1 | 12.5 | 14.3 |
 |                     |            2 | 25.0 | 14.3 |
 |                     |            3 | 12.5 |      |
 |                     |            4 | 12.5 | 28.6 |
 |                     |            5 | 25.0 | 28.6 |
 |                     | #Total cases |  8.0 |  7.0 |
 | quest1 %in% c(4, 5) |        FALSE | 62.5 | 42.9 |
 |                     |         TRUE | 37.5 | 57.1 |
 |                     | #Total cases |  8.0 |  7.0 |

标记缺失值后的代码

example2 = df %>%
  tab_cols(grp) %>%
  tab_cells(quest1,
            quest1 %in% c(4, 5)) %>%
  tab_mis_val(c(-999, -998)) %>%      ## 排除语句
  tab_stat_cpct() %>%
  tab_pivot()

example2输出：

|                     |              |  grp |      |
 |                     |              |   G1 |   G2 |
 | ------------------- | ------------ | ---- | ---- |
 |              quest1 |            1 | 14.3 | 16.7 |
 |                     |            2 | 28.6 | 16.7 |
 |                     |            3 | 14.3 |      |
 |                     |            4 | 14.3 | 33.3 |
 |                     |            5 | 28.6 | 33.3 |
 |                     | #Total cases |  7.0 |  6.0 |  <- 已排除缺失值
 | quest1 %in% c(4, 5) |        FALSE | 62.5 | 42.9 |
 |                     |         TRUE | 37.5 | 57.1 |
 |                     | #Total cases |  8.0 |  7.0 |  <- 未排除缺失值

解决方案 #

一、expss中解决缺失值排除问题 #

问题根源是quest1 %in% c(4,5)是直接基于原始数据生成的逻辑向量，tab_mis_val不会自动关联处理衍生变量中的缺失值，可通过以下两种方法解决：

方法1：先转换无效值为NA，再生成分组变量

先将-999/-998转为NA，衍生分组变量时会自动忽略这些值，同时用tab_mis_val保留显示原始无效值（若不需要展示可省略该语句）：

df_processed <- df %>%
  mutate(quest1 = na_if(quest1, -999),
         quest1 = na_if(quest1, -998),
         top2box = quest1 %in% c(4,5))

example3 = df_processed %>%
  tab_cols(grp) %>%
  tab_cells(quest1, top2box) %>%
  tab_mis_val(c(-999, -998)) %>%  # 保留原始缺失值编码的显示
  tab_stat_cpct() %>%
  tab_pivot()

输出中top2box的总案例数会和quest1一致，已排除缺失值。

方法2：在tab_cells中直接过滤缺失值

在分组逻辑中主动排除无效值，确保统计仅计算有效响应：

example4 = df %>%
  tab_cols(grp) %>%
  tab_cells(quest1,
            if_else(quest1 %in% c(-999, -998), NA, quest1 %in% c(4,5))) %>%
  tab_mis_val(c(-999, -998)) %>%
  tab_stat_cpct() %>%
  tab_pivot()

此方法会让quest1 %in% c(4,5)的统计自动排除-999/-998，总案例数与quest1保持一致。

二、支持加权/未加权统计测试的替代R包 #

1. survey包

专门处理复杂抽样调查，支持加权统计、卡方检验、回归等，适配市场研究中的加权样本分析。

• 核心函数：svytable()生成交叉表，svychisq()执行加权卡方检验，svymean()计算加权均值。

2. tables包

灵活生成各类统计表格，支持分组、加权、自定义统计量，语法贴近传统统计软件。

• 核心函数：tabular()构建表格，可结合weights()处理加权数据。

3. gtsummary包

专注生成美观的统计摘要表，支持加权、卡方检验、t检验，输出可直接用于报告。

• 核心函数：tbl_summary()、tbl_cross()生成交叉表，add_p()添加统计检验p值，modify_weight()设置权重。

4. janitor包

简化数据清理与交叉表生成，支持加权百分比，配合dplyr使用便捷。

• 核心函数：tabyl()生成基础交叉表，adorn_percentages()添加百分比，adorn_pct_formatting()格式化显示。

内容的提问来源于stack exchange，提问作者sspera