SAS中NOMCAR在R的survey包中等价实现及子集处理疑问

核心实现逻辑 #

SAS里用NOMCAR做复杂调查域分析的方差估计，核心是基于**非缺失完全随机（MCAR）**假设，只分析无缺失的目标域样本，同时保留复杂抽样设计的方差计算逻辑。在R中，这一需求完全可以通过survey包实现：

• 不需要额外指定特殊的方差估计方法，只要先对调查设计对象（survey.design类对象）做子集筛选，再用svymean/svytotal等函数分析即可，survey包会自动基于复杂抽样设计计算符合MCAR假设的域方差。

缺失值处理说明 #

R的survey包不会自动排除缺失值：

• 如果不主动筛选，后续分析函数会忽略包含缺失值的观测，但这种“被动忽略”可能因不同分析变量的缺失情况差异导致样本量不一致。因此更稳妥的方式是像你那样，用缺失指示变量（比如nomiss）主动筛选出所有关键变量无缺失的样本，确保后续分析的样本是统一的无缺失目标域群体。

示例代码的等价性判断 #

你给出的代码：

subset(design.FST, nomiss & RIAGENDR == "Female" & RIDAGEYR >= 45)

这段代码和SAS的NOMCAR逻辑完全等价：

• 它主动筛选了无缺失（nomiss）且属于目标域（45岁及以上女性）的样本，基于这个子集后的调查设计对象做方差估计时，survey包会严格遵循复杂抽样设计的方差计算规则，同时符合NOMCAR假设的要求——即假设缺失是完全随机的，排除缺失样本后不影响抽样权重和方差估计的有效性。

内容的提问来源于stack exchange，提问作者StatsAreHard