我需要根据来自更广泛人群的四个人口统计学特征的边际分布来对样本中的观察值进行加权。我目前使用的是anesrake
包。
人口信息存储在targets
中。这是一个包含4个元素的列表——一个数字向量代表我想要加权样本的每个受访者属性。每个元素的行名表示不同的类别。我在这里创建了targets
:
quota_age <- c(0.30, 0.33, 0.37)
quota_race <- c(0.62, 0.12, 0.17, 0.5, 0.3)
quota_gender <- c(0.52, 0.48)
quota_ed <- c(0.41, 0.29, 0.19, 0.11)
names(quota_age) <- c("18 to 34", "35 to 54", "55+")
names(quota_race) <- c("White non-Hispanic", "Black non-Hispanic", "Hispanic", "Asian", "Other")
names(quota_gender) <- c("Female", "Male")
names(quota_ed) <- c("HS or less", "Some college", "Bachelors", "Advanced")
targets <- list(quota_age, quota_race, quota_gender, quota_ed)
调查文件(m1b
)是一个数据框架,包含人口统计信息和每个受访者的唯一ID(链接到这里的google表)。以下是前几个任务:
> head(m1b)
ResponseId quota_ed quota_age quota_gender quota_race
1 R_3McITJbfcFuwc9x Some college 18 to 34 Female White non-Hispanic
2 R_2q3oeAbZgCZ5YcZ Bachelors 55+ Female White non-Hispanic
3 R_YSVccSQ1xJ6zuDv Advanced 35 to 54 Female White non-Hispanic
4 R_DubbKu7uJicbpQd Some college 35 to 54 Male White non-Hispanic
5 R_5zj5CNu598lCwRX Bachelors 55+ Male Other
6 R_21mPGFS7kHX2ELm Advanced 55+ Female White non-Hispanic
使用anesrake
包,我想构建一个名为weight
的新变量,我可以在以后的分析中使用它来解释总体和样本边际分布之间的差异。
但是当我像这样调用anesrake
函数时(pctlim
参数非常小,夸大了我的观点):
library(anesrake)
raking <- anesrake(inputter = targets,
dataframe = m1b,
caseid = m1b$ResponseId,
choosemethod = "total",
type = "pctlim",
pctlim = 0.0000001)
我得到以下错误:
Error in selecthighestpcts(discrep1, inputter, pctlim) :
No variables are off by more than 0.00001 percent using the method you have chosen, either weighting is
unnecessary or a smaller pre-raking limit should be chosen.
尽管客观上这是不正确的。以quota_ed目标为例:
> targets[[4]]
HS or less Some college Bachelors Advanced
0.41 0.29 0.19 0.11
> wpct(m1b$quota_ed)
Advanced Bachelors HS or less Some college
0.1614583 0.3645833 0.1666667 0.3072917
如果你对我做错了什么有任何想法,我将不胜感激。查看这个链接到一个rblogs帖子,了解我正在尝试模仿的例程。
要使anesrake函数工作,可能需要以下步骤:
- 将权重变量转换为因子。确保它们不包含空关卡。
- 也从你的目标中排除空关卡。假设你的数据中没有55岁以上的人。然后您应该从a) quota_age变量和b) m1b数据中删除该级别。
- 列表的第一层也需要用应该加权的特定列名命名,即在您的命令添加:
names(targets) <- c("quota_age", "quota_race", "quota_gender", "quota_ed")
之后。