Question

有人知道用R中的调查数据估算Box-Cox多变量变换的方法吗？我不知道有什么考虑到层次和聚类（我正在使用的数据），但即使是考虑概率权重的东西也会很棒。我最担心的是分布当应用概率权重时，一个或多个变量可能会发生变化，因此变换可能会发生根本变化。可能还会对错误和Box-Cox算法等产生影响......但这超出了基本上理论确认的方法。

更新了问题

R函数powerTransform效果很好，但我认为调查数据还没有。我认为Stata可以解决这个问题，但尼克指出事实并非如此。处理抽样权重的唯一Box-Cox变换似乎是this。

您是否知道任何允许您将单变量和多变量BoxCox变换应用于概率加权数据的R函数？

我没有任何数据，但我只是想知道是否有人找到了解决方案。我知道人们在给出一个具体的例子时会感激......

单变量Box-Cox： 当使用lm和svyglm（调查包）对象时，返回单变量Box-Cox的结果。

library(survey)
data(api)
library(car)
dstrat<-svydesign(id=~1,strata=~stype, weights=~pw, data=apistrat, fpc=~fpc)
Sur<-svyglm(api00~mobility, design=dstrat)
NotSur<-lm(api00~mobility, data=apistrat)
powerTransform(Sur)
powerTransform(NotSur)

但是我不认为调查对象的powerTransformation是正确的，因为当你运行时，你得到的结果与NotSur相同（并且不同于Sur）

None<-svydesign(id=~1, weights=rep(1,nrow(apistrat)), data=apistrat, )
Sur2<-svyglm(api00~mobility, design=None)
powerTransform(Sur2)

我甚至不太确定如何找到多变量常态，因为您必须使用实际数据，例如

summary(powerTransform(cbind(api00,mobility)~1,apistrat))

Answer 1

您提供的链接似乎是SAS中在数据步骤中运行的用户定义函数。应该可以将方法重新编程为R。

如果您查看建议的SAS方法here，您会看到它使用proc transreg来估算所需的电源转换。 SAS proc不接受调查权重。我不确定weight选项在proc see here

中的作用

更新：我仔细查看了您提供的第一个链接here。如果数据包含权重，则似乎在proc univariate中执行加权，并激活weight选项。但是，如果您从here查看weight的详细信息，您会看到权重用于操纵差异。我不确定您是否希望使用该假设来处理数据。

Answer 2

在链接的SAS宏中使用权重应该给出最佳转换的良好点估计，但可能会给出不合理的区间估计 - 因为对数似然比不会有标准的卡方分布。

将权重按比例缩放到样本大小可能会给出一个球场正确的间隔，但是Box＆amp; amp; Cox方法需要“工作”的采样分布。似然比（由AIC和anova方法用于调查:: svyglm）

使用R中的调查数据进行Box-Cox变换

2 个答案: