如何基于因子水平自动为R数据集的观测值分配权重？

核心思路 #

权重的计算逻辑是目标样本量 ÷ 该因子组的实际样本量，我们可以通过分组统计自动完成这个计算，无需手动指定每个组的权重值。

方法1：Base R 实现 #

适合习惯原生R语法的场景，步骤清晰：

1. 先将am列转换为指定水平的因子
2. 定义目标样本量
3. 统计每个因子组的实际样本数
4. 为每个观测匹配对应组的权重

# 转换am列为因子，对应0=自动档，1=手动档
mtcars$am <- factor(mtcars$am, levels = c(0, 1), labels = c("automatic", "manual"))

# 设置每组的目标样本量
target_n <- 15

# 统计每个因子组的实际样本数
group_counts <- table(mtcars$am)

# 自动分配权重：每个观测的权重 = 目标数 / 所在组的实际数
mtcars$weight <- target_n / group_counts[mtcars$am]

方法2：dplyr（tidyverse）实现 #

适合数据管道式操作，代码更简洁：
利用分组统计函数n()直接获取每组样本量，一步生成权重列。

library(dplyr)

mtcars_weighted <- mtcars %>%
  # 转换am列为指定因子
  mutate(am = factor(am, levels = c(0, 1), labels = c("automatic", "manual"))) %>%
  # 按am分组
  group_by(am) %>%
  # 计算权重：目标样本量 ÷ 组内实际样本数
  mutate(weight = 15 / n()) %>%
  # 取消分组（可选，后续操作需要的话）
  ungroup()

验证结果 #

两种方法都会自动生成正确的权重：

• 自动档（automatic）实际19个样本，权重为 15/19 ≈ 0.7894737
• 手动档（manual）实际13个样本，权重为 15/13 ≈ 1.153846
  完全匹配手动计算的结果，且不管因子组数量多少，都能自动适配。

内容的提问来源于stack exchange，提问作者Emma