Stata中合并含不同分析权重的多份调查数据的问题

核心问题原因 #

你遇到的异常情况，本质是各国原始家庭权重hhweight的基准是本国全样本，筛选子样本后未重新校准权重。当你直接用[aw=hhweight]分析abc==1的子样本时，Stata会直接使用针对全样本设计的权重计算，导致部分国家子样本的加权合计突破全样本的上限——比如某国全样本加权总和对应100万人口，筛选后子样本的原始权重总和可能因为剩余样本的权重占比过高，计算出超过100万的结果。而单独分析单个国家时，你其实默认了权重的本国基准，但合并后跨国家分析时这个基准被打破了。

分步解决方案 #

1. 子样本权重校准（快速修复） #

先给每个国家的子样本重新标准化权重，确保筛选后子样本的加权总和与该国全样本的加权总和一致，避免合计异常：

* 计算每个国家全样本的权重总和
bysort country: egen total_weight_full = total(hhweight)

* 针对abc==1的子样本，校准权重
gen hhweight_cal = .
bysort country: replace hhweight_cal = hhweight * (total_weight_full / total(hhweight)) if abc==1

之后用校准后的权重分析：

tab country gender [aw=hhweight_cal] if abc==1, m

这样筛选后的加权合计不会超过全样本的数值，结果符合常识。

2. 基于调查设计的规范分析（推荐） #

因为是多国复杂抽样调查，直接用aw（分析权重）会忽略抽样设计（分层、聚类）的影响，建议按国家分别设置调查设计框架：

* 按国家分组设置svyset（替换为各国实际的抽样变量）
bysort country: svyset psu [pw=hhweight], strata(stratum) 
// 注：psu是初级抽样单位，stratum是分层变量；如果无分层/聚类，简化为bysort country: svyset [pw=hhweight]

* 用svy命令分析子样本
svy, subpop(if abc==1): tab country gender, cell format(%9.2f)

subpop()参数会自动针对子样本调整权重和抽样误差，结果更严谨，也能避免合计异常。

3. 跨国家比较的关键注意事项 #

• 若比较绝对数：要明确各国权重对应本国总人口，跨国家的绝对数差异包含人口规模因素，需结合各国总人口数据解读。
• 若比较比例/占比：权重的作用是修正抽样偏差，比例本身可直接跨国家对比，无需额外调整。
• 逐个验证：先用bysort country: tab gender [aw=hhweight] if abc==1单独检查每个国家的结果，确保单国合理后再合并分析。

验证命令 #

执行以下命令，确认校准后的权重是否正常：

* 全样本权重总和
bysort country: egen sum_full = total(hhweight)
list country sum_full, clean noobs

* 原始子样本权重总和
bysort country: egen sum_raw_sub = total(hhweight) if abc==1
list country sum_raw_sub, clean noobs

* 校准后子样本权重总和
bysort country: egen sum_cal_sub = total(hhweight_cal) if abc==1
list country sum_cal_sub, clean noobs

校准后的sum_cal_sub应与sum_full完全一致，说明权重校准有效。

内容的提问来源于stack exchange，提问作者Ferdinand