如何获取带比例的加权频数表？R语言事后分层权重处理

问题背景 #

我正在处理含事后分层权重（post-stratification weight）的数据集，想要获取变量加权后的百分比、有效百分比等分布信息，但遇到了困难。

示例数据集：

a <- c(1, 3, 2, 1, 2, 2, 3, 3, 1, 3, NA, NA)
wght <- c(0.8, 0.9, 1.2, 1.5, 0.5, 1, 0.7, 0.9, 0.8, 1.1, 1, 0.8)
df <- data.frame(a, wght)

其中列a是编码响应（比如agree/neutral/disagree），wght为权重。我已经能通过以下代码展示加权观测数：

library(magrittr)
df %>% dplyr::count(a, wt=wght)

但尝试用descr包的freq函数获取完整分布信息时结果异常：

dfwt <- df %>% count(a, wt=wght)
freq(dfwt$a)

问题原因 #

你之前的错误在于，freq函数需要直接处理原始加权数据，而不是先聚合后的结果。聚合后的dfwt只保留了类别和加权计数，丢失了权重的原始关联，导致freq无法计算正确的加权百分比。

解决方案 #

方法一：直接使用descr::freq的权重参数 #

freq函数本身支持weights参数，可以直接传入权重列，自动计算加权后的频数、百分比、有效百分比等统计量：

library(descr)
freq(df$a, weights = df$wght)

这个命令会自动处理NA值，输出包含加权频数、占总样本的百分比、占有效样本的百分比、累积百分比的完整统计结果。

方法二：手动计算加权分布（自定义输出） #

如果需要更灵活的输出格式或进一步加工数据，可以用dplyr手动计算各项指标：

library(dplyr)
library(magrittr)

weighted_dist <- df %>%
  # 计算总权重（包含NA的样本）和有效权重（过滤NA后的样本）
  mutate(total_weight = sum(wght),
         valid_total_weight = sum(wght[!is.na(a)])) %>%
  filter(!is.na(a)) %>% # 筛选有效样本
  group_by(a) %>%
  summarise(
    weighted_count = sum(wght),
    percentage = (weighted_count / first(total_weight)) * 100,
    valid_percentage = (weighted_count / first(valid_total_weight)) * 100
  ) %>%
  ungroup() %>%
  # 添加累积百分比
  mutate(
    cumulative_percentage = cumsum(percentage),
    cumulative_valid_percentage = cumsum(valid_percentage)
  )

print(weighted_dist)

这段代码会生成一个包含所有关键分布指标的数据框，方便后续分析或导出。

内容的提问来源于stack exchange，提问作者SpecialK201