来自 svyglm 对象的边际效应与 R 中的子样本

Question

我需要计算通过 R 包 survey 中的 svyglm 函数估计的广义线性模型 (family=Poisson) 的边际效应，用于子样本。

首先，我声明了调查设计：

myDesisgn = svydesign(id=data$id, strata=data$strata, weights=data$sw, data=data)

其次，我估计我的模型为：

fit = svyglm(y~ x1 +x2,  design=myDesisgn, data=data, subset= x3 == 1, family= poisson(link = "log"))

最后，当我想获得 x1 的平均边际效应时，我运行：

summary(margins(fit, variables = "x1", design=myDesisgn))

...但我收到以下错误消息：

"h(simpleError(msg, call)) 中的错误： 在为函数“summary”选择方法时评估参数“object”时出错：“x”和“w”必须具有相同的长度”

运行以下也不起作用：

summary(margins(fit, variables = "x1", design=myDesisgn, subset=x3==1))

Answer 1

解决方案：

summary(margins(fit, variables = "x1", design=myDesisgn[myDesisgn$variables$x3 == 1]))

对复杂调查进行子集化会导致误差估计出现问题。当对特定子样本的参数感兴趣时，应使用所需的子样本来估计感兴趣的参数，并使用完整样本来估计其误差。

例如，svyglm(y~x, data=data, subset = z == 1) 正是这样做的（beta_hat 使用 z=1 的观察值进行估计，而 se(beta_hat) 使用完整样本）。

对 svy 设计进行子集化是可能的，它保留了有关集群数量、层数的原始设计信息。上面显示的代码是这样做的“手动”方式。另一种可以直接依赖subset.survey.design {survey}函数。

myDesign_subset <- subset(myDesign, data$x3 == 1)

这两种方法是等效的，并且会产生正确的 z-stats。