我正在尝试评估20个多项选择测试。我想执行一个项目分析，例如在本示例中可以找到的。因此，对于每个问题，我都希望P值以及与总数的相关性以及所选选项的分布。
我对那里的各种统计软件包一无所知，但是我想使用R，因为我对编程很满意并且R是开源的。我设想的伪工作流程是：
在Excel中准备数据并导出为CSV
将数据加载到R中
加载符合我需要的软件包
执行该软件包的命令
导出并报告。
我对1和2充满信心，但对3却有疑问，可能是因为我没有统计词汇来比较我在CRAN上浏览的软件包。 ltm看起来它可能是正确的软件包，但我不知道。无论使用什么软件包，命令将是什么？
附带问题：在链接的示例中，您认为MC和MI代表什么？
Answers:
我可以建议您至少使用两个软件包来执行这些任务：psych（score.items）和ltm（descript）。该CTT包也似乎过程MCQ，但我与它没有任何经验。可以在W Revelle的网站The Personality Project上找到更多信息。R专用于心理计量学的页面，其中提供了有关导入，分析和报告数据的分步说明。另外，《 CRAN 心理计量学任务视图》还包含许多其他资源。
如您的链接中所述，MC代表“回答正确答案的人的平均总得分”，MI代表“未回答正确答案的人的平均总得分”。ltm包（biserial.cor）中还提供了点双序列相关性（R（IT））。这基本上是项目区分能力的指标（因为它是项目与总分的相关性），并且与2-PL IRT模型的区分参数或因素分析中的因素负荷有关。
如果您真的想重现显示的表，我想您将必须用自定义代码包装一些此代码，至少要输出相同类型的表。我制作了一个简单又肮脏的示例来复制您的表：
dat <- replicate(10, sample(LETTERS[1:4], 100, rep=TRUE))
dat[3,2] <- dat[67,5] <- NA
itan(dat)
P R MC MI NC OMIT A B C D
[1,] 0.23 -0.222 2.870 2.169 23 0 23 22 32 23
[2,] 0.32 -0.378 3.062 1.985 32 1 32 20 14 33
[3,] 0.18 -0.197 2.889 2.207 18 0 18 33 22 27
[4,] 0.33 -0.467 3.212 1.896 33 0 33 18 29 20
[5,] 0.27 -0.355 3.111 2.056 27 1 27 23 23 26
[6,] 0.17 -0.269 3.118 2.169 17 0 17 25 25 33
[7,] 0.21 -0.260 3.000 2.152 21 0 21 24 25 30
[8,] 0.24 -0.337 3.125 2.079 24 0 24 32 22 22
[9,] 0.13 -0.218 3.077 2.218 13 0 13 29 33 25
[10,] 0.25 -0.379 3.200 2.040 25 0 25 25 31 19由于这些是随机响应，因此双二进制相关性和项目难度不是很有意义（检查数据是否确实是随机的：）。另外，值得检查可能的错误，因为我在10'时起草了R函数...
freq.resp将引发错误。我将修复代码（在明天之前），这还将向您展示如何用很少的代码连接不规则表。
freq.resp <- raw.resp/apply(raw.resp, 1, sum, na.rm=T)。错误是“ dim（X）必须具有正长度”，而dim（raw.resp）为NULL。可能是因为我的数据没有所有带有正频率的选项，所以我的表的长度不一样吗？如何在table调用中填零？