如何获取R中survey包计算复杂调查数据相关性的显著性值？

问题背景 #

我需要在R中计算复杂调查数据的相关性及其显著性值。目前使用survey包仅能得到相关系数：

var <- svyvar(~var1+var2, design, na.rm=TRUE)
cov2cor(as.matrix(var))

尝试过jtools包的svycor函数（设置sig.stats = TRUE），但该方法依赖weights包的wtd.cor，而我因gdata依赖问题无法安装weights包，求可行替代方案。

方法1：基于survey包方差估计的解析法计算显著性 #

survey包的svyvar会返回协方差矩阵的方差估计，我们可以利用delta方法推导相关系数的标准误，进而计算p值：

# 1. 计算协方差矩阵及其方差估计
var_output <- svyvar(~var1+var2, design, na.rm=TRUE)
cov_mat <- as.matrix(var_output)
cov_vcov <- vcov(var_output)

# 2. 提取基础统计量
v1 <- cov_mat[1,1]    # var1的方差
v2 <- cov_mat[2,2]    # var2的方差
cov12 <- cov_mat[1,2] # var1与var2的协方差
corr_obs <- cov12 / sqrt(v1 * v2) # 观测相关系数

# 3. 用delta方法计算相关系数的标准误
se_corr <- sqrt(
  cov_vcov[1,2]/(v1*v2) +
  (corr_obs^2)*(cov_vcov[1,1]/(4*v1^2) + cov_vcov[2,2]/(4*v2^2)) -
  (corr_obs * cov_vcov[1,2])/(v1*v2)
)

# 4. 计算双侧检验的z值和p值
z_stat <- corr_obs / se_corr
p_val <- 2 * pnorm(-abs(z_stat))

# 输出结果
cat("相关系数：", round(corr_obs, 4), "\n")
cat("标准误：", round(se_corr, 4), "\n")
cat("p值：", round(p_val, 4), "\n")

方法2：基于survey包的自助法（Bootstrap）计算显著性 #

通过对调查设计进行自助抽样，构建相关系数的经验分布来得到显著性p值：

# 1. 将原设计转换为重复抽样设计（适配自助法）
rep_design <- as.svrepdesign(design)

# 2. 定义自助抽样的计算函数
calc_corr <- function(rep_design) {
  var_mat <- svyvar(~var1+var2, rep_design, na.rm=TRUE)
  return(cov2cor(as.matrix(var_mat))[1,2])
}

# 3. 执行自助抽样（示例用1000次，可根据需求调整）
boot_samples <- svyby(~1, ~1, rep_design, FUN=calc_corr, replicates=1000)

# 4. 计算双侧p值：统计绝对值≥观测值的自助样本比例
corr_obs <- cov2cor(as.matrix(svyvar(~var1+var2, design, na.rm=TRUE)))[1,2]
p_val <- mean(abs(boot_samples$stat) >= abs(corr_obs))

# 输出结果
cat("观测相关系数：", round(corr_obs, 4), "\n")
cat("自助法p值：", round(p_val, 4), "\n")

内容的提问来源于stack exchange，提问作者seb-29