als-statistics/tests/analyze/correlate/alpha.test.js

Modular JS statistics toolkit for Node.js and the browser: descriptive stats, correlations (Pearson/Spearman/Kendall), t-tests & ANOVA (Student/Welch), reliability (Cronbach’s alpha), regression (linear/logistic), clustering (DBSCAN/HDBSCAN), and table/co

import { describe, it } from 'node:test';
import assert from 'node:assert';
import { CronbachAlpha } from '../../../lib/analyze/correlate/cronbach-alpha.js';

// Вспомогательная функция для "примерно равны" с учётом допустимой погрешности
function approxEqual(actual, expected, tolerance = 1e-5) {
  const diff = Math.abs(actual - expected);
  assert.ok(
    diff <= tolerance,
    `Разница слишком велика.\nActual: ${actual}\nExpected: ${expected}\nDiff: ${diff}`
  );
}

describe('Tests', () => {

  it('CronbachAlpha: основной расчет', () => {
    const table = {
      Q1: [4, 5, 3, 4, 5],
      Q2: [3, 4, 2, 3, 4],
      Q3: [4, 4, 4, 4, 4], // Постоянные значения (нулевая дисперсия)
      Q4: [5, 3, 4, 5, 2]
    }

    const alpha = new CronbachAlpha(table);
    // console.log(alpha)
    // assert.ok(alpha.alpha < 1);
  });

  // ---------------------------------------------------------
  // 1) Все вопросы идентичны → alpha ~ 1.0
  // ---------------------------------------------------------
  it('CronbachAlpha scenario 1: all questions identical', () => {
    // Допустим 3 вопроса, 4 респондента
    // Q1,Q2,Q3 у каждого респондента совпадают
    const table = {
      Q1: [1, 2, 3, 4],
      Q2: [1, 2, 3, 4],
      Q3: [1, 2, 3, 4],
    }
    // Ожидаем alpha ~ 1.0
    const alphaObj = new CronbachAlpha(table);
    const alpha = alphaObj.alpha;
    approxEqual(alpha, 1.0, 1e-5);
  });

  // ---------------------------------------------------------
  // 2) Полностью несвязанные вопросы → alpha ~ 0.0
  // ---------------------------------------------------------
  it('CronbachAlpha scenario 2: completely uncorrelated', () => {
    // Для простоты возьмём 2 вопроса, 4 респондента, "шумовые" данные, 
    // подобранные так, чтобы итоговая корреляция была ~0.
    const table = {
      Q1: [1, 2, 3, 4],
      Q2: [4, 3, 2, 1],
    };

    const alphaObj = new CronbachAlpha(table);
    const alpha = alphaObj.alpha;
    // Для указанных данных, alpha может оказаться чуть <0, но 
    // если хотим "почти 0", можно подобрать другие данные. 
    // Для демонстрации - проверим, что оно <=0. 
    // Или же подберите массивы, дающие alpha = ~0 точно.
    assert.ok(alpha < 0.01 && alpha > -0.01, `Ожидалось alpha ~ 0, получили alpha=${alpha}`);
  });

  // ---------------------------------------------------------
  // 3) Умеренная согласованность → alpha ~ 0.6
  // ---------------------------------------------------------
  it('CronbachAlpha scenario 3: moderate correlation', () => {
    // 3 вопроса, 4 респондента, 
    // первые 2 вопроса хорошо коррелируют, а третий частично смещён
    const table = {
      Q1: [1, 2, 3, 4],
      Q2: [1, 2, 3, 4], // Q1 и Q2 идентичны => высокая корреляция
      Q3: [2, 1, 4, 3], // менее связана
    }

    const alphaObj = new CronbachAlpha(table);

    approxEqual(alphaObj.alpha, 0.89, 0.1);
  });

  // ---------------------------------------------------------
  // 4) Есть константный столбец (нулевая дисперсия) → alpha ~ 0.75
  // ---------------------------------------------------------
  it('CronbachAlpha scenario 4: one constant column', () => {
    // 3 вопроса, 4 респондента
    // Q1,Q2 коррелируют, Q3 постоянный
    const table = {
      Q1: [1, 2, 3, 4],
      Q2: [1, 2, 3, 4], // полностью совпадает с Q1
      Q3: [5, 5, 5, 5], // константная колонка
    }

    const alphaObj = new CronbachAlpha(table);
    const alpha = alphaObj.alpha;
    // Допустим, мы заранее (в Python) вычислили, что alpha=0.75 (пример)
    // Проверяем с точностью ±0.0001
    approxEqual(alpha, 0.75, 1e-4);
  });


  it('CronbachAlpha: расчет при удалении колонок', () => {
    const table = {
      Q1: [4, 5, 3, 4, 5],
      Q2: [3, 4, 2, 3, 4],
      Q3: [5, 3, 4, 5, 2],
    }

    const alpha = new CronbachAlpha(table);
    const perColumn = alpha.ifItemsDeleted;
    // console.log(perColumn)
    // console.log({ perColumn }, alpha.alpha)
    for (let col in perColumn) {
      assert(perColumn[col] !== alpha.alpha)
    }
  });

  it('CronbachAlpha: ошибка, если столбцов меньше 2', () => {
    assert.throws(() => new CronbachAlpha({ 'Q1': [4, 5, 3, 4, 5] }));
  });

  it('CronbachAlpha: htmlTable генерируется', () => {
    const c = new CronbachAlpha({ X: [1, 2, 3, 4], Y: [1, 2, 3, 4], C: [1, 2, 4, 5] });
    const html = c.htmlTable;
    assert.equal(typeof html, 'string');
    assert.ok(html.toLowerCase().includes('cronbach'));
  });

})