带双样本量的加权Pearson相关系数平方计算疑问

我有一个包含var1、var2、nvar1和nvar2的DataFrame，想要计算var1与var2之间以样本量（nvar1和nvar2）加权的Pearson相关系数的平方。

模拟数据代码如下：

# Create a mock DataFrame
df <- data.frame(
  var1 = rnorm(100),                    
  nvar1 = sample(50:100, 100, replace = TRUE),  # Sample sizes for var1
  nvar2 = sample(50:100, 100, replace = TRUE)   # Sample sizes for var2
)

# Generate var2 based on var1 and add some noise
df$var2 <- 2 * df$var1 + rnorm(100)

我目前尝试的方法：

# Load the weights package
library(weights)
weighted_corr <- wtd.cor(df$var1, df$var2, weight = df$nvar1)

我的疑问：由于存在两个样本量nvar1和nvar2，是否应该将两者相加后传入weights参数？

首先要明确nvar1和nvar2的业务含义，再选择合适的权重计算方式：

不建议直接相加的原因 #

直接将nvar1和nvar2相加会重复计算权重逻辑——比如某一行的var1对应50个样本，var2对应60个样本，相加后权重为110，但实际这一行并没有110个独立样本支撑，这种处理会高估权重，导致结果偏差。

分场景的合理处理方式 #

1. 同一组样本的两个指标：如果var1和var2是来自同一批样本的两个观测值，nvar1和nvar2理论上应该相等（若存在差异可视为录入误差），这时直接取其中一个作为权重即可，或取两者的均值：

library(weights)
# 取样本量均值作为权重
df$weight <- (df$nvar1 + df$nvar2)/2
# 计算加权相关系数的平方
weighted_r_squared <- wtd.cor(df$var1, df$var2, weight = df$weight)$correlation^2

2. 不同样本组的汇总指标：如果var1和var2是来自不同样本组的汇总值（比如不同地区的均值），权重需要反映每个汇总值的“可信度”——样本量越大，汇总值误差越小，权重应越高。这时优先选择几何平均数作为权重（平衡两个样本量的贡献），或取两者的最小值（避免单一过大样本量主导权重）：

library(weights)
# 计算几何平均数作为权重
df$weight <- sqrt(df$nvar1 * df$nvar2)
# 计算加权相关系数的平方
weighted_r_squared <- wtd.cor(df$var1, df$var2, weight = df$weight)$correlation^2

内容的提问来源于stack exchange，提问作者curious