我正在尝试将倒数概率权重应用于回归分析,但是
我尝试查看
dput:
线性模型(使用解析权重)
lm()
只使用分析权重。这是我正在复制的一部分,原始作者在Stata中使用pweight
,但我正在尝试在R中复制它。分析权重提供了较低的标准误差,这导致我的某些变量具有显著性问题。我尝试查看
survey
软件包,但不确定如何为其准备调查对象以与svyglm()
一起使用。这是我想要的方法,还是有更简单的方法应用倒数概率权重?dput:
data <- structure(list(lexptot = c(9.1595012302023, 9.86330744180814,
8.92372556833205, 8.58202430280175, 10.1133857229336), progvillm = c(1L,
1L, 1L, 1L, 0L), sexhead = c(1L, 1L, 0L, 1L, 1L), agehead = c(79L,
43L, 52L, 48L, 35L), weight = c(1.04273509979248, 1.01139605045319,
1.01139605045319, 1.01139605045319, 0.76305216550827)), .Names = c("lexptot",
"progvillm", "sexhead", "agehead", "weight"), class = c("tbl_df",
"tbl", "data.frame"), row.names = c(NA, -5L))
线性模型(使用解析权重)
prog.lm <- lm(lexptot ~ progvillm + sexhead + agehead, data = data, weight = weight)
summary(prog.lm)
survey
已经取代了它,但我无法弄清如何获取回归对象。 - Veddasurvey
包不仅使用倒数概率权重,更重要的是还考虑了基于设计的标准误差。如果您不需要基于设计的标准误差,则可以在“glm”函数中单独使用pweights
,无需使用survey
包。 - joaoal