【问题标题】：Residual standard error in survey package调查包中的剩余标准误差
【发布时间】：2017-12-14 17:28:38
【问题描述】：

我正在尝试使用调查包计算线性回归模型的残差标准误差。我正在处理一个复杂设计，复杂设计的抽样权重由下面代码中的“权重”给出。

fitM1 <- lm(med~x1+x2,data=pop_sample,weight=weight)  
fitM2 <- svyglm(med~x1+x2,data=pop_sample,design=design)

首先，如果我调用“summary(fitM1)”，我会得到以下信息：

Call: lm(formula=med~x1+x2,data=pop_sample,weights=weight)

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.001787   0.042194   0.042    0.966    
x1           0.382709   0.061574   6.215 1.92e-09 ***
x2           0.958675   0.048483  19.773  < 2e-16 ***

Residual standard error: 9.231 on 272 degrees of freedom
Multiple R-squared:  0.8958,    Adjusted R-squared:  0.8931 
F-statistic: 334.1 on 7 and 272 DF,  p-value: < 2.2e-16

接下来，如果我调用“summary(fitM2)”，我会得到以下信息：

summary(fitM2)

Call: svyglm(formula=med~x1+x2,data=pop_sample,design=design)

Survey design: svydesign(id=~id_cluster,strat=~id_stratum,weight=weight,data=pop_sample)

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.001787   0.043388   0.041 0.967878    
x1           0.382709   0.074755   5.120 0.000334 ***
x2           0.958675   0.041803  22.933 1.23e-10 ***

当使用“lm”时，我可以通过调用来提取剩余标准误差：

fitMvariance <- summary(fitM1)$sigma^2

但是，我在调查包中的任何地方都找不到“svyglm”的类似功能。比较两种方法时，点估计值相同，但系数的标准误差（以及模型的残差标准误差）不同。

【问题讨论】：

标签： r survey

【解决方案1】：

调查分析

使用 r 中的图书馆调查进行调查分析，它提供了广泛的功能来计算百分比、下置信区间、上置信区间、人口和 RSE 等统计数据。

RSE

我们可以使用survey包中的svyby函数来获取包括平方根误差在内的所有统计数据

library("survey")
Survey design: svydesign(id=~id_cluster,strat=~id_stratum,weight=weight,data=pop_sample)
  
svyby(~med, ~x1+x2, design, svytotal, deff=TRUE, verbose=TRUE,vartype=c("se","cv","cvpct","var"))

cvpct 将给出平方根误差

更多信息请参考svyby

【讨论】：