svytable函数输出观测数与原始数据实际观测数不符的技术问询

使用R语言的svytable函数生成调查表格数据框时，出现生成的观测数与原始数据实际观测数不匹配的情况。

示例代码 #

Data <- data.frame(X =c(1,4,6,4,1,7,3,2,2),Y = c(6,5,9,9,43,65,45,67,90),weight=c(0.1,1.2,4,0,0,5,0.65,1,0))  

dat_design <- svydesign(ids = ~1, data = Data, weights = Data$weight)
  
ab <- svytable(~X+Y, design=dat_design) %>% as.data.frame

数据情况 #

• 原始数据Data：9个观测值，3个变量
• 调查设计对象dat_design：包含9个元素的列表
• 生成的ab数据框：显示48个观测值，3个变量

原因分析 #

svytable的核心功能是生成交叉列联表，它会自动生成X和Y所有可能的取值组合（即笛卡尔积），无论该组合在原始数据中是否存在。你的数据里：

• X有6个唯一取值：1、2、3、4、6、7
• Y有8个唯一取值：5、6、9、43、45、65、67、90
  6×8=48，这就是ab数据框有48行的原因。此外，原始数据中有3个观测的权重为0，svytable会保留这些组合并将频数设为0，进一步填充了表格行数。

解决方法 #

如果只需要保留原始数据中实际存在且权重不为0的组合，可以通过以下两种方式处理：

方式一：生成表格后过滤无效行

library(dplyr)
ab_filtered <- ab %>% filter(Freq > 0)

方式二：先过滤原始数据再生成表格

先剔除权重为0的观测，再创建调查设计并生成表格：

library(dplyr)
library(survey)

Data_filtered <- Data %>% filter(weight > 0)
dat_design_filtered <- svydesign(ids = ~1, data = Data_filtered, weights = Data_filtered$weight)
ab_filtered <- svytable(~X+Y, design=dat_design_filtered) %>% as.data.frame

处理后，ab_filtered的行数将与原始数据中有效（权重>0）的唯一组合数一致，示例中最终会得到5行结果。

内容的提问来源于stack exchange，提问作者Lincoln