R中svydesign处理NESARC-III数据报错及SPSS复杂权重应用求助

一、R中svydesign对象的变量筛选问题 #

你直接用基础subset()操作svydesign对象的方法错误，因为基础subset()不支持survey包的对象类型。两种正确处理方式：

方法1：先筛选原始数据框，再构建加权设计 #

先在原始数据框d中筛选SEM所需变量，再创建svydesign对象，效率更高：

# 定义需要保留的变量
vars_needed <- c("n2eq10a1","n2eq10a2", "n2eq10a3", "n2eq10a4", "n2eq10a5", "n2eq10a6",  
                 "n2eq9AR", "n2eq9BR", "n2eq9DR", "n2eq9FR", "black", "nnbs5", "nnbs6", 
                 "nnbs7", "nnbs8", "PYany", "female", "marcohab", "lgbtq", "incomeF", 
                 "unemployed", "nage", "varunit", "varstrat", "audweight")

# 筛选变量
d_filtered <- d[, vars_needed]

# 创建加权设计
dweight <- svydesign(id      = ~varunit,
                     strata  = ~varstrat,
                     weights = ~audweight,
                     nest    = TRUE,
                     data    = d_filtered)

方法2：使用survey包专属的subset.survey.design()函数 #

若已创建svydesign对象，需用survey包提供的子集函数，指定subset = TRUE（表示不筛选行），再用select指定变量：

d_sem <- subset(dweight, subset = TRUE, select = vars_needed)

二、svydesign对象的适用范围 #

svydesign对象主要用于survey包内的函数，处理复杂抽样的统计推断（如加权均值、回归、卡方检验等）。但常规SEM包（如lavaan）无法直接读取该对象，需按以下方式处理：

1. 加权最小二乘（WLS）：将audweight作为分析权重传入SEM包，比如lavaan中的weight = "audweight"参数，但仅考虑抽样权重，未纳入分层和聚类变量，会低估标准误。
2. 多水平SEM：将VARSTRAT设为水平2变量，VARUNIT设为嵌套在分层内的水平1变量，同时加入抽样权重，能更准确匹配复杂抽样设计，但实现难度较高。
3. 使用支持复杂抽样的SEM工具：比如semtools包的semWeighted()函数，或lavaan.survey包，后者可结合survey的svydesign对象完成SEM推断。

三、SPSS中应用复杂调查权重的方法 #

SPSS支持复杂抽样设计的权重设置，步骤如下：

1. 打开清洗后的数据集，点击分析 > 复杂抽样 > 准备分析
2. 在弹出窗口中：
   • 选择抽样权重，将AUDWEIGHT选入
   • 选择分层，将VARSTRAT选入
   • 选择群集，将VARUNIT选入（若为嵌套设计，勾选“群集嵌套在分层中”）
3. 设置完成后，后续分析会自动应用该抽样设计。但注意：SPSS无法直接导出“加权后数据集”——复杂抽样权重是用于调整统计量的权重，而非改变样本量，正确做法是导出原始数据+权重变量到R，再在R中处理。

内容的提问来源于stack exchange，提问作者MLamotte