调查分析

Question

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。我正在使用复杂的设计，复杂设计的采样重量由＆＃34; weight＆＃34;在下面的代码中。

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

首先，如果我打电话给＆＃34;摘要（fitM1）＆＃34;，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，如果我打电话给＆＃34;摘要（fitM2）＆＃34;，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 ***

使用＆＃34; lm＆＃34;时，我可以通过调用以下内容来提取残留标准错误：

fitMvariance <- summary(fitM1)$sigma^2

但是，我找不到＆＃34; svyglm＆＃34;的类似功能。调查包中的任何地方。在比较两种方法时，点估计是相同的，但系数的标准误差（以及可能是模型的残差标准误差）是不同的。

Answer 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统计数据，如百分比，低CI，高CI，人口和RSE。

RSE

我们可以使用调查包中的svyby函数来获取所有统计信息，包括Root平方误差

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将给出根平方误差

请参阅更多信息svyby

调查包中的剩余标准错误

1 个答案:

调查分析

RSE