Question

我正在尝试在几个阶段实施一个采样算法，只有样本的最终大小才知道。

以下是我的采样框架结构示例。地点：

cluster 是一个住户区。
total_households 是每个街区的住户数
组是一组块，具体取决于块中的住户数。
概率是选择一个组的概率。

然后，该算法具有以下步骤：给定样本大小$ n $

选择一组具有不等比例的组，并使用简单的随机抽样替换。
使用简单的随机采样选择，而不替换上一步中选择的组中的一个聚类，并将其从采样框中删除。
在之前选择的群集中，只选择25％的家庭。
重复，直到达到确切的样本量

因为

        cluster   total_households group            Probability
 1       173494              13     2            4.055410e-01
 2       173495              19     5            4.176953e-02
 3       173496              22     5            4.176953e-02
 4       173497              21     5            4.176953e-02
 5       173498              18     5            4.176953e-02
 6       173499              27     7            6.775638e-05
 7       173500              15     4            5.020529e-01
8       173501              19     5            4.176953e-02

我想用R实现这个算法。我知道有一个带有采样的包，带有多级功能，但它不起作用。因为，我必须在实现算法之前指定群集和组的数量。我的编程技巧有限。我一直试图用while循环做一些事情，但我认为我的结果远非正确。

    require(dplyr) # to use pipes in the code 

    n_sample = 844
    group = NULL
    total = NULL
    cluster = NULL
    total_households = NULL
    total = 0
    i = 1
    while(total < n_sample){
    group[i] = groups[sample(nrow(groups),size = 1,prob = groups$P),c("group")]
    total_households = data[data$group==group[i],] %>% 
                          sample_n(size=1) %>% 
                                select(total_households)
    cluster[i] = data[data$group==group[i],] %>%
                        sample_n(size=1) %>% 
                        select(cluster) %>% as.numeric() 
    data = data[data$cluster!=cluster[i],] 
    total = total+total_households
    i = i+1
    }

Answer 1

你非常接近你想要实现的目标（不考虑代码的整洁和专注于数字）：

首先，让我们纠正while循环:( 2次修改）

while(total < n_sample){
group[i] = groups[sample(nrow(groups),size = 1,prob = groups$P),c("group")]
total_households = data[data$group==group[i],] %>% 
                      sample_n(size=1) %>% 
                      select(total_households) %>% as.numeric()          # Mod_1

cluster[i] = data[data$group==group[i],] %>%
                    sample_n(size=1) %>% 
                    select(cluster) %>% as.numeric() 
data = data[data$cluster!=cluster[i],] 
total = total+ (total_households*0.25)                                   # Mod_2
i = i+1
}

请注意，您最终会得到一个＆gt; n，但您可以通过修改列表中最后一个群集的住户数来始终将其调整为n。

其次，您需要考虑的重要事项是，在整个算法中，组的概率总和应该加1。

使用R进行多级采样，仅给出最终样本量

1 个答案: