带样本权重pesofit的数据集：如何正确统计各区域薪资数量？

核心结论 #

• 如果你的目标是统计样本中各地理区域的观测记录数（即数据里每个ireg下有多少条薪资数据）：直接统计行数即可，不需要使用pesofit。
• 如果你的目标是估计总体中各地理区域的实际个体数量（该样本通过pesofit调整了细分群体代表性，用于推断总体）：必须对pesofit求和，才能得到无偏的总体估计值。

具体操作方法（基于R语言，使用dplyr包） #

1. 统计样本中各区域的观测行数

library(dplyr)

# 按ireg分组，统计每组的记录行数
sample_region_count <- data_shape %>%
  group_by(ireg) %>%
  summarise(sample_record_count = n())

# 查看结果
head(sample_region_count)

2. 估计总体中各区域的个体数量（使用样本权重）

# 按ireg分组，求和pesofit得到总体规模估计值
population_region_estimate <- data_shape %>%
  group_by(ireg) %>%
  summarise(population_estimate = sum(pesofit))

# 查看结果
head(population_region_estimate)

内容的提问来源于stack exchange，提问作者io_boh