R的survey包中svydesign()如何使用均值为1的缩放抽样权重？

回归估计与标准误的准确性 #

• svyglm()返回的回归系数点估计完全准确：加权回归的结果仅由权重的相对大小决定，对所有权重乘以同一个常数（本次是缩放至均值为1的缩放系数）不会改变系数的计算结果，符合「Understanding Society」调查的官方使用规范。
• svyglm()返回的标准误同样不受影响：复杂抽样设计的标准误计算依赖权重的相对变异、分层/聚类等设计结构，和权重的整体缩放系数无关，只要你在svydesign()调用中正确传入了对应的分层、PSU等设计参数，结果就是准确的。
• 你在surveysummary()文档中看到的警告仅针对设计效应（deff）计算：

注意如果权重被重新缩放，不再是抽样概率的倒数，则设计效应计算结果会有误
设计效应的本质是和等权简单随机抽样的方差做对比，需要用到权重的绝对大小，归一化后的权重会导致deff计算值错误，但该错误不会传递到回归的标准误、点估计结果中，仅单独计算deff指标时需要使用未缩放的原始权重。

psrsq()伪R平方警告的处理 #

你收到的警告是有效提示：

Weights appear to be scaled: rsquared may be wrong

• psrsq()计算的伪R平方依赖权重的绝对数值来估计总体层面的方差解释比例，整体缩放后的权重会导致结果偏差。
• 解决方法：计算伪R平方时，临时将设计对象中的权重替换为未缩放的原始权重即可，你可以通过调查文档提供的原始权重变量，或者用「归一化权重 × 有效样本量」的方式还原原始权重后再调用psrsq()。

实操建议 #

• 日常做回归分析、组间均值比较等常规分析时，直接使用官方提供的均值为1的归一化权重即可，完全符合使用规范，不需要额外调整。
• 仅在需要计算设计效应、总体规模估计、伪R平方这类依赖权重绝对数值的指标时，再切换为未缩放的原始权重。

内容的提问来源于stack exchange，提问作者datavisdev