在R中使用调查权重计算家庭平均消费 解决NA值异常问题
问题原因定位
- 权重变量
e54存在缺失值:na.rm = TRUE仅对目标计算变量c16生效,权重本身有缺失时,无论是否加去缺失参数,计算结果都会返回NA - 分层变量
a6存在缺失值:分组计算时缺失值会被归为独立组别,对应组结果会异常 survey包的svymean函数未显式传入na.rm = TRUE参数:你提交的第一套代码中,仅在dplyr方案的weighted.mean中添加了去缺失参数,svymean未配置该参数- 单分层下
c16全部为缺失值:若农村/城镇组的消费变量无有效观测,对应组结果自然返回NA
修正后代码
方案1:基于survey包(适配复杂抽样设计,推荐)
复杂抽样场景下优先用该方案,抽样设计的分层、权重逻辑会被准确纳入计算:
# 第一步:清洗核心变量,排除任意核心变量缺失的样本 clean_data <- data[!is.na(data$c16) & !is.na(data$e54) & !is.na(data$a6) & !is.na(data$e1), ] # 构建抽样设计对象 dstrat <- svydesign(id = ~e1, strata = ~a6, weights = ~e54, data = clean_data) # 输出全样本平均消费额 svymean(~c16, dstrat, na.rm = TRUE) # 输出分城乡的平均消费额 svyby(~c16, ~a6, dstrat, svymean, na.rm = TRUE)
方案2:基于dplyr的加权平均实现
适合不需要考虑抽样设计方差的快速统计场景:
library(dplyr) # 一次性输出三类结果 consume_mean <- data %>% # 先过滤核心变量缺失的样本 filter(!is.na(c16), !is.na(e54), !is.na(a6)) %>% # 预计算全样本均值 mutate(total_mean = weighted.mean(c16, e54, na.rm = TRUE)) %>% # 按城乡分组计算组内均值 group_by(a6) %>% summarise( group_mean = weighted.mean(c16, e54, na.rm = TRUE), total_mean = first(total_mean) ) # 输出结果说明:group_mean列对应城乡分组均值,total_mean列对应全样本均值
异常排查项
如果调整代码后仍有NA,可按以下顺序检查:
- 运行
table(data$a6, useNA = "ifany")确认分层变量无异常编码、分组样本量不为0 - 运行
sum(is.na(data$e54))确认权重变量缺失率,若存在缺失需先补充权重或者剔除对应样本 - 运行
sum(is.na(data$c16)) == nrow(data)确认消费变量不是全量缺失
内容的提问来源于stack exchange,提问作者Trisha Chaudhuri
相关产品推荐
相关产品推荐

