根据组内总体权重进行抽样答案

【问题标题】：Sample according to population weights within groups根据组内总体权重进行抽样
【发布时间】：2018-02-26 22:12:14
【问题描述】：

我有一个data.frame，我需要从中提取一个样本。对于每年我想要根据人口权重进行 50 次观察。下面是一些示例代码：

library(dplyr)

set.seed(1234)
ex.df <- data.frame(value=runif(1000),
                year = rep(1991:2010, each=50),
                group= sample(c("A", "B", "C"), 1000, replace=T)) %>%
mutate(pop.weight = ifelse(group=="A", 0.5,
                         ifelse(group=="B", 0.3,
                                ifelse(group=="C", 0.2, group))))

set.seed(1234)
test <- ex.df %>%
  group_by(year) %>%
  sample_n(50, weight=pop.weight) %>%
  ungroup()

table(test$group)/sum(table(test$group))
    A     B     C 
0.329 0.319 0.352

A 组应占 50% 左右，B 组应占 30%，C 应占 20% 左右。我错过了什么？

【问题讨论】：

标签： r dplyr sample

【解决方案1】：

设置replace = TRUE。您希望每年进行 50 次观察，但 ex.df 每年仅包含 50 次观察，如果 replace = FALSE 它只会返回具有不同顺序的相同行。

set.seed(1234)
test <- ex.df %>%
  group_by(year) %>%
  sample_n(50, weight=pop.weight, replace = TRUE) %>%
  ungroup()

table(test$group)/sum(table(test$group))
#     A     B     C 
# 0.509 0.299 0.192

或者您可以在ex.df 中增加每年的观察次数。在以下示例中，我将每年的观测值更改为 5000，生成的test 的比率看起来很合理。

set.seed(1234)
ex.df <- data.frame(value=runif(100000),
                    year = rep(1991:2010, each=5000),
                    group= sample(c("A", "B", "C"), 1000, replace=T)) %>%
  mutate(pop.weight = ifelse(group=="A", 0.5,
                             ifelse(group=="B", 0.3,
                                    ifelse(group=="C", 0.2, group))))

set.seed(1234)
test <- ex.df %>%
  group_by(year) %>%
  sample_n(50, weight=pop.weight) %>%
  ungroup()

table(test$group)/sum(table(test$group))
#     A     B     C 
# 0.515 0.276 0.209

【讨论】：