r - 子集调查设计的问题

Question

我正在使用来自巴西的 IBGE 的 PNS 微数据(可以在这里获得:https://ww2.ibge.gov.br/home/estatistica/populacao/pns/2013/default_microdados.shtm)

我使用数据库中的现有变量创建了一些新变量，然后我使用下面的代码创建了一个调查设计。

pes_all_des <-
  survey::svydesign(
    id = ~ upa_pns ,
    strata = ~ v0024 , 
    data = base , 
    weights = ~ pre_pes_full , 
    nest = TRUE
  )

post_pop_all <- unique( base[ , c( 'v00283.y' , 'v00282.y' ) ] )

names( post_pop_all ) <- c( "v00283.y" , "Freq" )

match.design <- survey::postStratify( pes_all_des , ~ v00283.y , post_pop_all )

如果我尝试通过此调查设计使用 svyglm() 运行回归，我会得到“正常”结果，没有任何警告。

现在我将对这个设计进行子集化:

match.design2 <- subset(match.design, d_match==1)

使用 svyglm() 运行相同的回归我收到一条警告消息:

1: In summary.glm(g) :
  observations with zero weight not used for calculating dispersion
2: In summary.glm(glm.object) :
  observations with zero weight not used for calculating dispersion

这个消息到底是什么意思？它不会阻止我运行回归，所以我不知道我应该在多大程度上关注它。

只是想了解更多信息，如果在两种设计中都执行 summary()，我会得到完全不同的结果:

summary(match.design)
Stratified 1 - level Cluster Sampling design (with replacement)
With (6062) clusters.
survey::postStratify(pes_all_des, ~v00283.y, post_pop_all)
Probabilities:
     Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
0.0000733 0.0008510 0.0018686 0.0033423 0.0036237 0.1058348 

> summary(match.design2)
Stratified 1 - level Cluster Sampling design (with replacement)
With (6062) clusters.
subset(match.design, d_match == 1)
Probabilities:
     Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
0.0001152       Inf       Inf       Inf       Inf       Inf 

有人可以帮我吗？提前致谢!

瓦格纳

Answer 1

此行为是 survey 包试图帮助您避免统计错误的结果。

对于涉及校准/分层后/倾斜的特别复杂的设计，不能简单地计算子群体的估计值(在这种情况下 subset(match.design, d_match == 1))通过过滤掉感兴趣的子群体之外的数据；那种方法produces misleading standard errors and confidence intervals.

因此，为防止您遇到此统计 问题，survey 包不允许您完全删除您感兴趣的子集之外的记录。相反，它实际上会记录您想要忽略的行，然后将概率权重调整为有效的零。看到这个问题:Why do attempts to filter/subset a raked survey design object fail?

实现零权重的方法是更新存储在 match.design2$prob 中的权重值(个案权重的数字向量)。该向量中与数据中删除的行相对应的条目更改为 Inf(令人困惑的是，Inf 表示权重为零)。

这就是为什么您会在包含的输出中看到以下权重摘要:

Probabilities:
     Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
0.0001152       Inf       Inf       Inf       Inf       Inf 

我不确定这是否会引发使用 svy.glm 的问题。