如何在带调查权重的logistic回归中处理家庭聚类效应？

我有一份包含个体调查权重的数据集，用于预测吸烟概率。该调查采用随机抽样家庭后访谈所有家庭成员的方式，请问该如何处理同一家庭多名受访者带来的聚类问题？
另外，Generalized Estimation Equation (geeglm)不支持调查权重，那用聚类稳健标准误差是否可行？但我注意到svyglm并非采用极大似然拟合，这会有影响吗？

现有代码 #

dsgn <- svydesign(ids = ~personID, weights = ~weight ,strata = householdID ,data = data )

model1 <- svyglm(design = dsgn ,formula = smoking ~ education + jobPrestige ,family = "binomial")

解决方案与说明 #

• 修正抽样设计，正确识别家庭聚类
  你当前代码的核心问题是ids参数设置错误：家庭是抽样的初级单元，个体是家庭内的次级单元，因此ids需要指定为~householdID + personID，这样svydesign会自动处理家庭层面的聚类相关性，同时保留个体调查权重。修正后的抽样设计代码：

  # 注意：如果householdID不是分层变量，strata应改为实际分层变量（如地区）或设为~1
  dsgn <- svydesign(ids = ~householdID + personID, 
                    weights = ~weight, 
                    strata = ~householdID, 
                    data = data)
  

  调整后，svyglm会计算适配复杂抽样的聚类稳健标准误，既考虑了调查权重，也解决了家庭内受访者的相关性问题。

• 聚类稳健标准误差在调查权重下的可行性
  完全可行，而且通过svydesign正确设置聚类后得到的标准误，比普通的聚类稳健标准误更可靠——它同时整合了调查权重的抽样权重信息和家庭聚类的群内相关性，是针对复杂抽样数据的标准做法。

• 关于svyglm的拟合方式
  svyglm用的是加权广义线性模型（WGLM），而非普通极大似然（ML）。这不是问题，反而更适合你的数据：ML假设数据是简单随机抽样，而WGLM专门为带权重的复杂抽样设计开发，能给出无偏的参数估计和正确的标准误。用于预测吸烟概率时，WGLM的表现和ML相当，且更符合你的调查抽样机制。

• GEE类方法的替代方案
  如果你倾向用GEE框架，可以用survey包自带的svygee函数——它支持调查权重，专门处理复杂抽样下的聚类/纵向数据。示例代码：

  library(survey)
  model_gee <- svygee(smoking ~ education + jobPrestige, 
                      design = dsgn, 
                      family = binomial, 
                      corstr = "exchangeable") # 家庭内相关性设为可交换结构，可根据实际调整
  

内容的提问来源于stack exchange，提问作者K M