在R中使用权重来考虑采样概率的倒数

Question

这类似于但不等于Using weights in R to consider the inverse of sampling probability。

我有一个很长的数据框，这是真实数据的一部分：

age gender labour_situation industry_code FACT FACT_2....
35  M      unemployed       15            1510
21  F      inactive         00            651

FACT 是一个变量，对于第一行，35 岁的男性失业者代表人口中的 1510 人。

我需要获取一些表格来显示相关信息，例如就业人数和失业人数的百分比等。在 Stata 中有一些选项，如 tab labour_situation [w=FACT] 显示人口中就业人数和失业人数，而 tab labour_situation显示样本中的就业人数和失业人数。

部分解决方案可能是将数据框的第一行重复 1510 次，然后将我的数据框的第二行重复 651 次？正如我搜索的一个选项是运行

longdata <- data[rep(1:nrow(data), data$FACT), ]
employment_table = with(longdata, addmargins(table(labour_situation, useNA = "ifany")))

我需要做的另一件事是运行回归，同时记住以以下方式进行集群抽样：人口按区域划分。这就产生了一个问题：一个人 在 接受采访的人代表 人，而在 接受采访的个人代表 人，但 和 与每个地区的总人口不成比例，因此某些地区的人数会偏多，其他地区的代表性不足。为了考虑到这一点，每个观测值都应按其被采样概率的倒数加权。

最后一段意味着模型 可以用有效方程估计 但是如果我考虑方差-协方差矩阵不会是 而是 采样概率的倒数。

在 Stata 中，可以通过 reg y x1 x2 [pweight=n] 运行回归，并考虑采样概率的倒数计算正确的方差-协方差矩阵。当时我不得不在我的某些工作中使用 Stata，而在其他工作中使用 R。我只想使用 R。

Answer 1

您可以通过重复行名来做到这一点：

df1 <- df[rep(row.names(df), df$FACT), 1:5]

> head(df1)
    age gender labour_situation industry_code FACT
1    35      M       unemployed            15 1510
1.1  35      M       unemployed            15 1510
1.2  35      M       unemployed            15 1510
1.3  35      M       unemployed            15 1510
1.4  35      M       unemployed            15 1510
1.5  35      M       unemployed            15 1510
> tail(df1)
      age gender labour_situation industry_code FACT
2.781  21      F         inactive             0  787
2.782  21      F         inactive             0  787
2.783  21      F         inactive             0  787
2.784  21      F         inactive             0  787
2.785  21      F         inactive             0  787
2.786  21      F         inactive             0  787

这里的1:5 指的是要保留的列。如果您将该位留空，则将全部返回。