如果您真的想使用包含如此大量项目的堆叠条形图，这里有两种可能的解决方案。

使用irutils

几个月前我遇到了这个包裹。

从Github上的提交 0573195c07 开始，该代码将无法使用grouping=参数。让我们去参加周五的调试会议。

首先从 Github 下载一个压缩版本。您需要破解R/likert.R文件，特别是likertandplot.likert函数。首先，使用 in likert，cast()但从reshape不加载包（尽管文件import(reshape)中有说明NAMESPACE）。您可以事先自行加载。其次，获取项目标签的指令不正确，其中 ai在第 175 行附近悬空。这也必须修复，例如通过将所有出现的 替换likert$items[,i]为likert$items[,1]。然后，您可以按照您在机器上使用的方式安装该软件包。在我的 Mac 上，我做到了

% tar -czf irutils.tar.gz jbryer-irutils-0573195
% R CMD INSTALL irutils.tar.gz

然后，使用 R，尝试以下操作：

library(irutils)
library(reshape)

# Simulate some data (82 respondents x 66 items)
resp <- data.frame(replicate(66, sample(1:5, 82, replace=TRUE)))
resp <- data.frame(lapply(resp, factor, ordered=TRUE, 
                          levels=1:5, 
                          labels=c("Strongly disagree","Disagree",
                                   "Neutral","Agree","Strongly Agree")))
grp <- gl(2, 82/2, labels=LETTERS[1:2]) # say equal group size for simplicity

# Summarize responses by group
resp.likert <- likert(resp, grouping=grp)

这应该可以工作，但是由于项目数量众多，视觉渲染会很糟糕。但是，它无需分组（例如，plot(likert(resp))）即可工作。

因此，我建议将您的数据集减少为较小的项目子集。例如，使用 12 个项目，

plot(likert(resp[,1:12], grouping=grp))

我得到一个“可读”的堆积条形图。您可能可以在之后处理它们。（这些是对象，但由于可读性问题ggplot2，您将无法将它们排列在单个页面上！）gridExtra::grid.arrange()

替代解决方案

我想提请您注意另一个包HH，它允许将李克特量表绘制为发散的堆叠条形图。我们可以重用上面的代码，如下所示：

resp.likert <- likert(resp)
detach(package:irutils)
library(HH)
plot.likert(resp.likert$results[,-6]*82/100, main="")

但这会使事情变得有点复杂，因为我们需要将频率转换为计数、子集likert生成的对象irutils、分离包等。所以让我们从新的（计数）统计数据重新开始：

plot.likert(t(apply(resp, 2, table)), main="", as.percent=TRUE,
            rightAxisLabels=NULL, rightAxis=NULL, ylab.right="", 
            positive.order=TRUE)

要使用分组变量，您需要使用array数值。

# compute responses frequencies separately by grp
resp.array <- array(NA, dim=c(66, 5, 2))
resp.array[,,1] <- t(apply(subset(resp, grp=="A"), 2, table))
resp.array[,,2] <- t(apply(subset(resp, grp=="B"), 2, table))
dimnames(resp.array) <- list(NULL, NULL, group=levels(grp))
plot.likert(resp.array, layout=c(2,1), main="")

这将生成两个单独的面板，但它适合单个页面。

编辑 2016-6-3

1. 截至目前，likert可作为单独的软件包提供。
2. 您不需要reshape库或分离irutils和reshape

我开始写一篇关于在 SPSS 中重新创建您提到的帖子（可视化李克特项目响应数据）中的许多图表的博客文章，所以我想这将是完成它的良好动力。

正如 Michelle 所说，与之前的问题相比，您有小组这一事实是一个新的转折。虽然可以使用堆叠条形图考虑组，但 IMO 更容易将它们合并到 chl 原始帖子中的点图示例中。我在文章末尾包含了 SPSS 代码来生成它，本质上它需要知道如何以适当的格式重塑数据以生成所述图（代码中提供的注释希望能清除其中的一些）。在这里，我使用了一些冗余编码（颜色和形状）来区分来自两组的点，并使这些点半透明，这样你就可以知道它们何时重叠（另一种选择是在它们重叠时避开这些点）。

为什么这比堆积条形图更好？堆积条形图以条形的长度对信息进行编码。当您尝试在同一轴类别内或面板之间比较条的长度时，堆叠会阻止条具有共同的比例。例如，我在图 2 中提供了一个图像，其中两个条形图放置在它们的起始位置不同的图中，哪个条形图较宽（沿水平轴）？

将其与下面的图 3 中的图进行比较，其中两条（相同长度的）条从同一起点绘制。我故意使这项任务变得困难，但你应该能够分辨出哪个更长。

堆叠条形图本质上是在执行图 2 中显示的内容。点图可以认为更类似于图 3 中显示的内容，只需将条形图替换为条形末尾的点即可。

我不会说不要为探索性数据分析生成任何特定图表，但我建议在使用这么多类别时避免使用堆积条形图。点图也不是灵丹妙药，但我相信用点图在面板之间进行比较比使用堆叠条形图要容易得多。考虑一下我在博客文章中为表格提供的一些建议，尝试将图表排序和/或分隔成有意义的类别，并确保您想要串联查看的项目在图表中更靠近。虽然一些绘图方法可以很好地扩展到许多问题（分类热图就是一个例子），但如果不进行排序，仍然很难识别任何有意义的模式（除了明显的异常值）。

关于使用 SPSS 的说明。SPSS 可以生成任何先前链接到图表的内容，尽管它通常需要知道如何塑造数据（ggplot 也是如此，但人们一直在开发包来基本上为您进行重塑）。要了解 SPSS 的 GPL 语言如何更好地工作，我实际上建议阅读 Hadley Wickham 的关于ggplot2的书在使用 R! 系列。它列出了理解 SPSS 的 GPL 如何工作所需的语法，并且比 SPSS 附带的 GPL 编程手册更容易阅读！如果您对在 SPSS 中生成特定图表有任何疑问，最好对一张图表提出一个问题（我在这里已经谈得够多了！）我会用一个链接更新这个答案，但如果我有时间制作我的复制其他一些图表的博客文章。有关热图或波动图的概念证明，您可以查看我的另一篇博客文章，SPSS 中的一些示例 Corrgrams。

用于生成图 1 的 SPSS 代码

****************************************.
input program. */making fake data similar to yours.
loop #i = 1 to 82.
compute case_num = #i.
end case.
end loop.
end file.
end input program.
execute.
dataset name likert.

*making number in groups.
compute group = 1.
if case_num > 43 group = 2.
value labels group
1 'A'
2 'B'.

*this makes 5 variables with categories between 0 and 5 (similar to Likert data with 5 categories plus missing data).
vector V(5).
do repeat V = V1 to V5.
compute V = TRUNC(RV.UNIFORM(0,6)).
end repeat.
execute.

value labels V1 to V5
0 'missing'
1 'very disagree'
2 'disagree'
3 'neutral'
4 'agree'
5 'very agree'.
formats case_num group V1 to V5 (F1.0).
*****************************************.

*Because I want to panel by variable, I am going to reshape my data so all of the "V" variables are in one column (stacking them in long format).
varstocases
/make V from V1 to V5
/index orig (V).

*I am going to plot the points, so I aggregate that information (you could aggregate total counts as well if you wanted to plot percentages.
DATASET DECLARE agg_lik.
AGGREGATE
  /OUTFILE='agg_lik'
  /BREAK=orig V group
  /count_lik=N.
dataset activate agg_lik.


*now the fun part, generating the chart.
*The X axis, dim(1) is the count of likert responses within each category for each original question.
*The Y axis, dim(2) is the likert responses, and the third axis is used to panel the observations by the original questions, dim(4) here beacause I want to panel
by rows instead of columns.
DATASET ACTIVATE agg_lik.
* Chart Builder.
GGRAPH
  /GRAPHDATASET NAME="graphdataset" VARIABLES=count_lik V group orig 
    MISSING=LISTWISE REPORTMISSING=NO
  /GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
  SOURCE: s=userSource(id("graphdataset"))
  DATA: count_lik=col(source(s), name("count_lik"))
  DATA: V=col(source(s), name("V"), unit.category())
  DATA: group=col(source(s), name("group"), unit.category())
  DATA: orig=col(source(s), name("orig"), unit.category())
  GUIDE: axis(dim(1), label("Count"))
  GUIDE: axis(dim(2))
  GUIDE: axis(dim(4))
  GUIDE: legend(aesthetic(aesthetic.color.exterior), label("group"))
  GUIDE: text.title(label("Figure 1: Dot Plots by Group"))
  SCALE: cat(aesthetic(aesthetic.color.exterior), include("1", "2"))
  SCALE: cat(aesthetic(aesthetic.shape), map(("1", shape.circle), ("2", shape.square)))
  ELEMENT: point(position(count_lik*V*1*orig), color.exterior(group), color.interior(group), transparency.interior(transparency."0.7"), size(size."8px"), shape(group))
END GPL.
*The "SCALE: cat" statements map different shapes which I use to assign to the two groups in the plot, and I plot the interior of the points as partially transparent.
*With some post hoc editing you should be able to make the chart look like what I have in the stats post.
****************************************.

哦，好吧，在你澄清之前我想出了代码。应该等待，但我想我应该把它贴出来，这样来这里的任何人都可以重用这段代码。

用于可视化的虚拟数据

# Response for http://stats.stackexchange.com/questions/25109/visualizing-likert-responses-using-r-or-spss
# Load libraries
library(reshape2)
library(ggplot2)

# Functions
CreateRowsColumns <- function(noofrows, noofcolumns) {
createcolumnnames <- paste("Q", 1:noofcolumns, sep ="")
df <- sapply(1:noofcolumns, function(i) assign(createcolumnnames[i], matrix(sample(1:5, noofrows, replace = TRUE))))
df <- sapply(1:noofcolumns, function(i) df[,i] <- as.factor(df[,i]))
colnames(df) <- createcolumnnames
return(df)}

# Generate dummy dataframe
LikertResponse <- CreateRowsColumns(82, 65)
LikertResponse[LikertResponse == 1] <- "Strongly agree"
LikertResponse[LikertResponse == 2] <- "Agree"
LikertResponse[LikertResponse == 3] <- "Neutral"
LikertResponse[LikertResponse == 4] <- "Disagree"
LikertResponse[LikertResponse == 5] <- "Strongly disagree"

热图代码

# Prepare data
LikertResponseSummary <- do.call(rbind, lapply(data.frame(LikertResponse), table))
LikertResponseSummaryPercent <- prop.table(LikertResponseSummary,1)

# Melt data
LikertResponseSummary <- melt(LikertResponseSummary)
LikertResponseSummaryPercent <- melt(LikertResponseSummaryPercent)

# Merge counts with proportions
LikertResponsePlotData <- merge(LikertResponseSummary, LikertResponseSummaryPercent, by = c("Var1","Var2"))

# Plot heatmap!
# Use the "geom_tile(aes(fill = value.y*100), colour = "white")" to control how you want the heatmap colours to map to.
ggplot(LikertResponsePlotData, aes(x = Var2, y = Var1)) +
    geom_tile(aes(fill = value.y*100), colour = "white") +
    scale_fill_gradient(low = "white", high = "steelblue", name = "% of Respondents") +
    scale_x_discrete(name = 'Response') +
    scale_y_discrete(name = 'Questions') +
    geom_text(aes(label = paste(format(round(value.y*100), width = 3), '% (', format(round(value.x), width = 3), ')')), size = 3) 

这基本上是在 Jason Bryon 网站的热图中可视化李克特项目的模板。

@RJ 的代码会生成这样的图，它实际上是一个带有阴影单元格的表格。它相当忙，而且有点难以破译。没有阴影的普通表格可能更有效（您也可以将数据按更有意义的顺序排列）。

当然，这取决于您要传达的主要信息，但我认为这更简单，也更容易理解。它还以（大部分！）逻辑顺序提供问题和响应。

    library(stringr)
    LikertResponseSummary$Var1num <- 
      as.numeric(str_extract(LikertResponseSummary$Var1, "[0-9]+"))
    LikertResponseSummary$Var2 <- 
      factor(LikertResponseSummary$Var2, 
      levels =  c("Strongly disagree", "Disagree", "Neutral", "Agree", "Strongly agree"))

ggplot(LikertResponseSummary, 
       aes(factor(Var1num), value, fill = factor(Var2))) + 
       geom_bar(position="fill") +
       scale_x_discrete(name = 'Question', breaks=LikertResponseSummary$Var1num,
                        labels=LikertResponseSummary$Var1) +
       scale_y_continuous(name = 'Proportion') +
       scale_fill_discrete(name = 'Response') +
       coord_flip()