R语言中weighted.mean函数计算结果异常的原因及正确用法

嘿，我来帮你搞懂为什么这两个结果不一样，以及怎么正确使用weighted.mean函数～

首先，我们先复现你的代码，确认结果差异：

q1<-c(9,8,10,9,3,2,1,2,4,5) 
q2<-c(9,7,8,6,5,4,8,7,8,9) 
q3<-c(0,0,0,5,9,5,9,5,0,5)

# 计算各向量的均值
mean_vals <- c(mean(q1), mean(q2), mean(q3))

# 计算MMean和权重向量corvector
MMean <- colMeans(rbind(q1,q2,q3))
corvector <- c(cor(q1,MMean), cor(q2,MMean), cor(q3,MMean))

# 两种计算方式的结果
weighted.mean(mean_vals, corvector)  # 输出 5.709562
sum(mean_vals * corvector)           # 输出 6.248393

核心原因：weighted.mean的计算逻辑 #

你可能误以为weighted.mean只是计算加权和，但实际上它的公式是：

加权算术平均值 = (各元素×对应权重的总和) / (所有权重的总和)

换句话说，weighted.mean(x, w)等价于sum(x * w) / sum(w)，而不是单纯的sum(x * w)。我们可以手动验证这一点：

# 手动模拟weighted.mean的计算过程
sum(mean_vals * corvector) / sum(corvector)
# 输出结果：5.709562，和weighted.mean完全一致

你可以看看你的权重向量corvector的总和：

sum(corvector)
# 输出：1.094387

因为权重总和不是1，所以除以这个值之后，结果就和直接加权和产生了差异。如果你的权重是归一化（总和为1）的，那两种方法的结果会完全相同。

正确使用weighted.mean的场景 #

• 当你需要计算加权算术平均值时（权重代表各元素的相对重要性，最终结果要体现“平均”的含义），使用weighted.mean(x, w)，它会自动帮你完成「加权和 ÷ 权重总和」的计算。
• 如果你只需要单纯的加权和（不需要除以权重总和），直接使用sum(x * w)即可。

内容的提问来源于stack exchange，提问作者Ameneh Abyar