使用survey包svyciprop的logit/likelihood方法时遇错误求助

问题根源 #

你遇到的报错all variables must be in design= argument，核心原因是：svyciprop的logit和likelihood方法底层依赖svyglm拟合模型，而svyglm要求公式中的变量必须是调查设计对象中已提前存在的变量，不能在公式里用I(y==1)这种临时计算的方式。其他方法（beta/xlogit/asin/mean）不需要调用svyglm，所以可以正常运行。

另外注意你第二次创建调查对象的代码有笔误：weights==~pweight是双等号，应该改成weights=~pweight，不过这不是报错的核心原因。

解决方案 #

步骤1：提前创建二元变量 #

在原始数据框中先把y==1的结果存为一个新变量，避免在公式中临时计算：

df$y_bin <- as.integer(df$y == 1)

步骤2：正确创建调查设计对象 #

修正笔误后重新生成设计对象（推荐用公式形式指定变量，更符合survey包的规范）：

wsvy <- svydesign(ids=~psu, strata=~strata, weights=~pweight, fpc=~N, data=df)

步骤3：用新变量调用svyciprop #

现在使用logit或likelihood方法就可以正常运行了：

# logit方法
prop_logit <- svyciprop(~y_bin, wsvy, method="logit", level=0.95)
# likelihood方法
prop_likelihood <- svyciprop(~y_bin, wsvy, method="likelihood", level=0.95)

关于Agresti-Coull/Wilson区间的替代方案 #

由于svyciprop没有直接支持这两种方法，你可以通过拟合svyglm二项模型后手动转换得到近似效果：

# 拟合加权二项模型
glm_fit <- svyglm(y_bin ~ 1, design=wsvy, family=quasibinomial())
# 提取logit尺度的置信区间，转换为概率尺度
logit_ci <- confint(glm_fit)
prob_ci <- plogis(logit_ci)
names(prob_ci) <- c("2.5 %", "97.5 %")
print(prob_ci)

内容的提问来源于stack exchange，提问作者k13