使用clm函数实现加权调查数据单变量有序logistic回归报错求助

问题背景 #

我尝试通过有序logistic回归获取加权调查数据的单变量回归结果表，由于polr函数不支持调查设计，改用clm函数实现，但运行以下代码时出现错误：

table <- 
    svydesign(ids = ~1,data = df,weights = ~pweight) |>
    tbl_uvregression(
      method = clm,
      y = outcome,
      method.args = list(link=logit),
      include = c(RRACE, RHISPANIC,age, agecat,
                  REGION, Metro,
                  INCOME, Educ),
      exponentiate = TRUE)

报错核心原因 #

• tbl_uvregression 处理svydesign对象时，仅兼容survey包原生的回归函数（如svyglm、svyolr），而clm是ordinal包的函数，无法识别survey设计对象的加权逻辑，导致参数调用不匹配。
• 直接将svydesign对象传给指定method=clm的tbl_uvregression，相当于让不支持调查抽样设计的clm去处理survey对象，必然触发参数错误。

两种解决方法 #

方法1：使用survey包原生的svyolr（推荐，适配复杂调查设计）

svyolr是专门为加权调查数据设计的有序logistic回归函数，完美兼容svydesign对象和tbl_uvregression：

table <- 
    svydesign(ids = ~1, data = df, weights = ~pweight) |>
    tbl_uvregression(
      method = svyolr,
      y = outcome,
      method.args = list(link = "logit"),
      include = c(RRACE, RHISPANIC, age, agecat,
                  REGION, Metro,
                  INCOME, Educ),
      exponentiate = TRUE)

方法2：直接给clm传入权重（仅适用于简单加权）

如果必须使用clm，可以跳过svydesign对象，直接在clm参数中指定权重。注意：这种方式仅支持简单抽样权重，无法处理分层、集群等复杂调查设计：

table <- 
    df |>
    tbl_uvregression(
      method = clm,
      y = outcome,
      method.args = list(link = logit, weights = ~pweight),
      include = c(RRACE, RHISPANIC, age, agecat,
                  REGION, Metro,
                  INCOME, Educ),
      exponentiate = TRUE)

内容的提问来源于stack exchange，提问作者ATP89