survey包中svyglm与svyolr权重不一致：Bug还是设计如此？

我的核心目标是在考虑抽样权重（使用survey包）的前提下，借助mediation R包开展中介分析。但过程中发现survey::svyglm与survey::svyolr拟合的模型权重存储方式存在差异，导致mediation::mediate函数执行失败，报错信息为：

'weights on outcome and mediator models not identical'

复现代码 #

set.seed(3459823)

library(survey)
library(srvyr)
library(tidyverse)
library(mediation)

n <- 100

# simulate data
dat <- tibble::tibble(
  id = 1:100,
  y_binary = sample(c(0,1), size = n, replace = TRUE),
  m_binary = sample(c(0,1), size = n, replace = TRUE),
  m_ordinal = sample(c(1, 2, 3), size = n, replace = TRUE, prob = c(0.2, 0.3, 0.5)) |> 
    as.factor() |> 
    as.ordered(),
  pred_normal = rnorm(n = n),
  weight = rnorm(n = n, mean = 15),
  weight_rep1 = rnorm(n = n, mean = weight),
  weight_rep2 = rnorm(n = n, mean = weight),
  weight_rep3 = rnorm(n = n, mean = weight),
  weight_rep4 = rnorm(n = n, mean = weight),
  weight_rep5 = rnorm(n = n, mean = weight)
)

# create design object
dat_design <- dat |> 
  srvyr::as_survey_rep(
    repweights = dplyr::contains("_rep"),
    weights = weight,
    combined_weights = TRUE
  )

# ordinal mediator models
model_y_binary <- survey::svyglm(
  formula = y_binary ~ m_ordinal + pred_normal, 
  design = dat_design, 
  family = "binomial"
)

model_m_ordinal <- survey::svyolr(
  formula = m_ordinal ~ pred_normal, 
  design = dat_design
)

mediation_ordinal <- mediation::mediate(
  model.m = model_m_ordinal,
  model.y = model_y_binary,
  sims = 50,
  treat = "pred_normal",
  mediator = "m_ordinal"
)

# Won't run!
# Error in mediation::mediate(model.m = model_m_ordinal, model.y = model_y_binary,  : 
#   weights on outcome and mediator models not identical

权重差异检查 #

使用model.frame()函数（mediation::mediate提取权重的底层方法）检查模型权重，发现svyglm拟合的二项模型存储归一化后的权重，svyolr拟合的有序模型存储原始权重，二者样本权重比值均约为0.0673：

# Inspecting the weights saved by the survey models:

model.frame(model_y_binary) |> dplyr::slice_head()

# Result:
#   y_binary m_ordinal pred_normal (weights)
# 1        1         3 -0.09479119  1.004946

# so, the binomial model stores the weights in a column in the model.frame

model.frame(model_m_ordinal) |> dplyr::slice_head()

# Result:
#   m_ordinal pred_normal (weights)
# 1         3 -0.09479119  14.92443

# so, the ordinal model stores the weight as well, but they are different!

weight_comparison <- tibble::tibble(
  binomial_weights = model.frame(model_y_binary)$`(weights`,
  ordinal_weights = model.frame(model_m_ordinal)$`(weights)`,
  weight_quotient = binomial_weights / ordinal_weights
)

weight_comparison |> dplyr::slice_head(n = 5)

# Result:
#   binomial_weights ordinal_weights weight_quotient
#              <dbl>           <dbl>           <dbl>
# 1            1.00             14.9          0.0673
# 2            1.03             15.2          0.0673
# 3            0.992            14.7          0.0673
# 4            1.01             14.9          0.0673
# 5            0.927            13.8          0.0673

# so, all the binomial weights seem to be equal to the ordinal weights times ~0.0673

问题解答 #

1. 权重存储差异的原因是什么？ #

这是两个函数的拟合逻辑差异导致的：

• svyglm基于广义线性模型框架，会自动将权重归一化到总和等于样本量，目的是让模型残差、拟合结果更易解释，同时避免权重绝对值过大引发的数值计算问题。
• svyolr是有序logistic回归的抽样加权实现，直接使用原始抽样权重拟合，没有加入自动归一化步骤——这是因为有序回归的比例优势模型算法在设计时，保留了原始权重的尺度逻辑。

本质上两种权重是成比例的，仅尺度不同，不会影响模型参数的相对估计结果，但会触发mediation包的权重一致性检查。

2. 是否可以修改已拟合的survey::svyolr模型对象，使其权重与svyglm模型一致？ #

可以，手动对svyolr的权重做归一化处理即可，代码示例如下：

# 计算缩放因子：svyglm权重总和为样本量，所以用样本量除以svyolr原始权重的总和
scale_factor <- nrow(model.frame(model_m_ordinal)) / sum(model.frame(model_m_ordinal)$`(weights)`)

# 修改svyolr模型的model.frame中的权重
model_m_ordinal$model.frame$`(weights)` <- model_m_ordinal$model.frame$`(weights)` * scale_factor

# 同步修改模型对象中存储的权重
model_m_ordinal$weights <- model_m_ordinal$weights * scale_factor

修改后重新运行mediation::mediate即可通过权重检查。这种修改只是缩放了权重尺度，不会改变模型参数的估计结果。

3. 是否可以调整mediation包适配该情况（例如仅使用中介模型权重，虽可能引发其他问题）？ #

有两种可行方式：

方式一：统一权重尺度后运行

直接按照问题2的方法，将两个模型的权重统一为同一尺度（归一化或原始权重），再调用mediate函数，这是最稳妥的方式。

方式二：绕过权重检查（不推荐，需谨慎）

如果不想修改模型，可以手动提取两个模型的参数，按照中介分析的逻辑自行计算效应（比如参数法或自助法），但这需要对中介分析的底层逻辑有一定了解。

另外，也可以尝试使用mediate函数的weights参数手动指定统一权重，但需要注意该参数对survey模型的兼容性。

需要注意：只要权重成比例，中介效应的估计结果是一致的，标准误可能因尺度变化有细微差异，但通常可忽略。

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