R 中的调查包中的 svyglm 函数出错：“所有变量都必须在设计=参数中”

Question

stackoverflow 的新手。我正在处理一个使用 NHIS 数据的项目，但即使对于具有二元预测变量和二元结果变量的简单、未经调整的逻辑回归，我也无法让 svyglm 函数工作（最终我想使用多个分类预测变量，但是一个一步一步）。

El_under_glm

评估错误（附加、数据、环境）： 找不到对象“.survey.prob.weights”

我将变量改为 0 和 1：

Under_narm$SO2REG

但接下来会遇到不同的问题：

El_under_glm

svyglm.survey.design 中的错误（ElUnderREG ~ SO2REG，设计 = SAMPdesign，： 所有变量都必须在 design= 参数中

这是我用来计算权重的设计——我很确定它是正确的：

SAMPdesign=svydesign(data=Under_narm, id= ~NHISPID, weight= ~SAMPWEIGHT)

任何和所有的帮助表示赞赏！我很好地掌握了统计数据，但编码速度很慢。如果我可以提供任何其他信息，请告诉我。

Answer 1

使用一些虚构的示例数据，我能够通过设置 rescale = TRUE 来运行您的模型。文档说明

重新调整权重，以提高数值稳定性。默认 重新调整权重以求和样本大小。使用 FALSE 不重新缩放 权重。

因此，一种解决方案可能就是设置rescale = TRUE。

library(survey)
  # sample data
  Under_narm <- data.frame(SO2 = factor(rep(1:2, 1000)),
                           ElUnder = sample(0:1, 1000, replace = TRUE),
                           NHISPID = paste0("id", 1:1000),
                           SAMPWEIGHT = sample(c(0.5, 2), 1000, replace = TRUE))
                           
  # with 'rescale' = TRUE
  SAMPdesign=svydesign(ids = ~NHISPID,
                       data=Under_narm,
                       weights = ~SAMPWEIGHT)
 
  El_under_glm<-svyglm(formula = ElUnder~SO2, 
                       design=SAMPdesign,
                       family=quasibinomial(), # this family avoids warnings
                       rescale=TRUE) # Weights rescaled to the sum of the sample size.
  
  summary(El_under_glm, correlation = TRUE) # use correlation with summary()
  

否则，使用 'survey:::svyglm.survey.design' 查找此函数方法的代码，似乎可能存在错误。我可能是错的，但是当 'rescale' 为 FALSE 时，根据我的阅读，.survey.prob.weights 似乎没有被分配一个值。

    if (is.null(g$weights)) 
      g$weights <- quote(.survey.prob.weights)
    else g$weights <- bquote(.survey.prob.weights * .(g$weights)) # bug?
    g$data <- quote(data)
    g[[1]] <- quote(glm)
    if (rescale) 
      data$.survey.prob.weights <- (1/design$prob)/mean(1/design$prob)

如果您在全局环境中将数值向量分配给.survey.prob.weights，可能会有一种解决方法。不知道这些值应该是什么，但是如果您执行以下操作，您的错误就会消失。 （.survey.prob.weights 需要是数据长度的两倍。）

SAMPdesign=svydesign(ids = ~NHISPID,
                     data=Under_narm,
                     weights = ~SAMPWEIGHT)

.survey.prob.weights <- rep(1, 2000)

El_under_glm<-svyglm(formula = ElUnder~SO2, 
                     design=SAMPdesign,
                     family=quasibinomial(), 
                     rescale=FALSE)

summary(El_under_glm, correlation = TRUE)