我在调查中计算标准误差(SE)时遇到了一些问题。以下是我的一个例子,我尝试使用R中的survey包。
(下面示例中的fpc等于每个分层观察值的数量)
我的第一个问题是:我如何考虑在我的研究中未回答的观察值的权重?在上面的示例中,我在运行函数之前删除了我的NA观察值,但我想包括这些信息。我认为,如果我对具有最大权重的观察值有答案或没有答案,SE会更大或更小?
我的第二个问题是:如何计算“净值”的SE? 假设:
我可以计算出“净值”,即答案1 - 答案3 = 0.60803 - 0.15679 = 0.45124。请问我如何获得这个“净值”的标准误差?
(下面示例中的fpc等于每个分层观察值的数量)
生成数据的代码:
id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12)
strata = c(6, 6, 6, 7, 7, 7, 8, 8, 8, 8, 8, 8)
weight = c(60, 75, 85, 140, 170, 175, 270, 310, 325, 785, 1450, 3920)
fpc = c(8, 8, 8, 7, 7, 7, 6, 6, 6, 6, 6, 6)
answer = c("2", "2", "3", "1", "2", NA, NA, 2, "3", NA, "1", NA)
df = data.frame(id, strata, weight, fpc, answer)
df <- df[complete.cases(df), ]
然后我尝试使用survey包计算均值和标准误:
dstrat<-svydesign(id=~1,strata=~strata, weights=~weight, data=df, fpc=~fpc)
svymean(~answer, dstrat)
mean SE
answer1 0.60803 0.2573
answer2 0.23518 0.1755
answer3 0.15679 0.1479
我的第一个问题是:我如何考虑在我的研究中未回答的观察值的权重?在上面的示例中,我在运行函数之前删除了我的NA观察值,但我想包括这些信息。我认为,如果我对具有最大权重的观察值有答案或没有答案,SE会更大或更小?
我的第二个问题是:如何计算“净值”的SE? 假设:
answer1 = good
answer2 = neutral
answer3 = bad
我可以计算出“净值”,即答案1 - 答案3 = 0.60803 - 0.15679 = 0.45124。请问我如何获得这个“净值”的标准误差?