R的调查包中的Pearson相关系数

Question

很抱歉，如果这是非常明显的，但我看不出如何在调查包中的两个变量之间进行简单的Pearson关联。我的数据有层次，所以它相当于在apistrat中为api00和api99找到r。

library(survey)
data(api)

dstrat <- svydesign(id=~1,strata=~stype, weights=~pw, data=apistrat, fpc=~fpc)

我确信必须有一个简单的方法，使用svyvar或svyglm或其他东西，但我看不到它？

Answer 1

您可以使用svyvar估算方差 - 协方差矩阵，然后将其缩放到相关性：

library(survey)
data(api)

dstrat <- svydesign(id=~1,strata=~stype, weights=~pw, data=apistrat, fpc=~fpc)
v <- svyvar(~api00+api99, dstrat)

as.matrix(v)
cov2cor(as.matrix(v))

这适用于任何数量的相关性和任何设计。

Answer 2

library(survey)
data(api)
dstrat<-svydesign(id=~1,strata=~stype, weights=~pw, data=apistrat, fpc=~fpc)
summary(svyglm(api00~ell+meals+mobility, design=dstrat),correlation=T)

Answer 3

我一直在思考这个问题，我开始认为最好的方法可能就是首先扩展两个变量，大概是使用svymean和svyvar。

dstrat2 <- transform(dstrat, 
                     z_api99 = (api99 - svymean(~api99,    dstrat))/sqrt(svyvar(~api99, dstrat)), 
                     z_api00 = (api00 - svymean(~api00, dstrat))/sqrt(svyvar(~api00, dstrat))) 

svyglm(z_api99 ~ z_api00, dstrat2)$coefficients

这给出9.759047e-01，这与使用：

的结果相同

library(weights)
wtd.cor(apistrat$api99, apistrat$api00, weight = apistrat$pw)

它的优势在于它几乎可以用于任何调查设计类型。如果有更多变量，它还提供了获得标准化β系数的方法。对于原始问题，这并不是我的意思，但如果没有特定的选项，它可能是最好的方法。

如果其他人可以确认这是否有效，或者有更好的方法，那么我将非常感谢任何进一步的评论。