如何在R中实现Stata的cumul加权累积分布功能？

核心问题说明 #

Stata的cumul varx, gen(newvarx)（带权重时为cumul varx [aw=weight], gen(newvarx)）会生成加权经验累积分布函数值的向量，而spatstat::ewcdf()返回的是一个函数对象，直接赋值会报错，需要对原变量调用该函数来得到对应向量。

方法1：使用spatstat::ewcdf()生成向量 #

先通过ewcdf()创建加权累积分布函数，再将原变量传入该函数，得到每个观测对应的累积概率值：

# 加载包
library(spatstat)

# 假设你的数据框为df，目标变量为varx，权重变量为weight
df$newvarx <- ewcdf(df$varx, weights = df$weight)(df$varx)

# 对应Stata的int()，用floor()处理结果
df$newvarx_floor <- floor(df$newvarx)

方法2：手动计算（无额外包依赖） #

如果不想依赖spatstat，可以手动按加权逻辑计算：

1. 按varx排序数据
2. 计算权重的累积和
3. 除以权重总和得到累积概率

# 按varx排序数据
df_sorted <- df[order(df$varx), ]

# 计算加权累积和与总权重
df_sorted$cum_weight <- cumsum(df_sorted$weight)
total_weight <- sum(df_sorted$weight)

# 生成累积分布值，再匹配回原数据框
df_sorted$newvarx <- df_sorted$cum_weight / total_weight
df <- merge(df, df_sorted[, c("varx", "weight", "newvarx")], by = c("varx", "weight"), all.x = TRUE)

# 同样可加floor处理
df$newvarx_floor <- floor(df$newvarx)

验证与适配 #

将上述代码生成的newvarx和你提供的Stata预期结果列对比，若存在微小浮点精度差异，可通过round()调整精度。如果是分组内的cumul操作，只需在排序和计算时按分组变量分组处理（比如用dplyr的group_by()）。

内容的提问来源于stack exchange，提问作者eliseabril