在R中合并多米尼加家庭调查数据集并保留srvyr抽样属性

问题根源 #

合并后权重求和暴涨的核心原因是一对多匹配导致权重被重复累加。原收入、支出数据集里，每个调查户的FACTOR_EXPANSION权重是唯一的，但你把权重本身也放进了合并键里，再加上如果其中一个数据集（比如支出）里同一户有多条记录（比如按不同消费类别拆分），合并后每条支出记录都会带上同一个户的权重，求和时就会把同一个权重重复计算N次，最终导致总和异常。

正确合并步骤 #

1. 精简合并键：只保留能唯一识别调查户的变量，也就是TRIMESTRE、REPLICA、UPM、VIVIENDA、HOGAR这些，把FACTOR_EXPANSION、ORDEN_REGION、QUINTIL从合并键里移除——这些是户的属性，不是匹配依据，同一户的这些属性在两个数据集里应该是一致的。

2. 修正合并代码：

# 仅按户的唯一标识合并，给重复变量加后缀区分
merge_income_expense <- merge(x = income, 
                              y = expense, 
                              by = c("TRIMESTRE", "REPLICA", "UPM", "VIVIENDA", "HOGAR"),
                              all.x = TRUE,
                              suffixes = c("_ingreso", "_gasto"))

3. 验证权重求和：合并后检查权重总和，应该和原数据集一致：

sum(merge_income_expense$FACTOR_EXPANSION_ingreso, na.rm = TRUE)
# 若支出数据集权重与收入一致，也可使用FACTOR_EXPANSION_gasto验证

适配srvyr包的注意事项 #

• 确保合并后每个调查户（HOGAR）对应唯一的权重记录，如果是支出明细类的多记录数据，需先按户聚合支出变量再合并；或者在srvyr中用group_by(HOGAR)分析，避免权重重复计算。
• 保留UPM、REPLICA等抽样设计相关变量，后续用srvyr::as_survey_design()指定抽样权重、集群/分层变量时，能正确保留抽样属性。

内容的提问来源于stack exchange，提问作者almr27