R语言Sampling包中Sampford抽样适配响应概率的问题咨询

问题背景 #

我在用R的sampling包中UPsampford()函数做不等概率、无放回且固定样本量的抽样时碰到了棘手的问题：

• 当是标准PPS抽样场景（包含概率之和刚好等于样本量n1，比如下面的case1）时，Sampford方法工作正常；
• 但用逻辑回归模型生成响应概率（此时包含概率之和不等于n1，比如case2）时，不仅会弹出一堆警告，当n1=200时直接报错：

Error in UPsampford(prob2, eps = 1e-06, max_iter = 500) : Too many iterations. The algorithm was stopped.
同时还有50+类似的警告信息：
1: In .as_int(n) : the argument is not integer
2: In .as_int(n - 1) : the argument is not integer

问题1：Sampford方法能不能用响应概率？ #

明确说：不行。Sampford抽样的核心前提就是所有单元的包含概率之和必须严格等于样本量n——它本质是无放回PPS抽样的一种实现，天生要求∑π_i = n。而你用逻辑回归生成的响应概率，只是反映了单元被选中的“倾向”，它们的和大概率不等于样本量，这完全违反了Sampford方法的前置条件，自然会出现迭代失败（算法找不到符合要求的样本）和类型警告（内部计算依赖整数参数，概率和不匹配导致计算出非整数）。

问题2：有没有其他支持逻辑模型响应概率的抽样方法/R包？ #

当然有！针对这种包含概率和不等于样本量，但需要固定样本量的无放回不等概率抽样，这些方法和工具可以解决你的问题：

• Madow抽样：属于无放回PPS抽样的变种，允许对包含概率做调整（当∑π_i ≠ n时，通过截断或缩放概率来满足条件），sampling包的UPmadow()函数直接支持。
• Tille平衡抽样：sampling包的UPtille()函数实现了Tille的方法，它专门处理包含概率和不等于样本量的场景，能自动调整概率来实现固定样本量的无放回抽样，同时尽可能贴近你设定的目标响应概率。
• ipfp包：通过迭代比例拟合算法来调整概率，确保最终样本量固定，同时最大程度匹配你的响应概率分布。

Case2的具体解决方案 #

针对你的case2，这里提供两种可直接落地的实现方式：

方案1：用Tille方法直接抽样（推荐）

Tille方法不需要手动调整概率，会自动处理概率和不等于样本量的情况：

library(sampling)

# 原始数据
x <- c(30,45,60,25,80,100,30,67,87,56,23,78, 81, 39, 40)
n1 <- 5

# case2：逻辑回归生成响应概率
xst <- (x - mean(x))/sd(x)
prob2 <- exp(xst)/(1 + exp(xst))

# 使用Tille方法执行固定样本量的无放回抽样
sample2 <- UPtille(prob2, n = n1)
# 查看抽样结果（1表示被选中，0表示未被选中）
sample2

方案2：缩放概率后用Sampford抽样

如果你更偏好Sampford方法，可以先对响应概率做线性缩放，让它们的和等于n1，这样就满足Sampford的要求了：

library(sampling)

x <- c(30,45,60,25,80,100,30,67,87,56,23,78, 81, 39, 40)
n1 <- 5

xst <- (x - mean(x))/sd(x)
prob2 <- exp(xst)/(1 + exp(xst))

# 线性缩放概率，使其总和等于n1
scaled_prob <- prob2 * (n1 / sum(prob2))
# 验证：sum(scaled_prob) 应该等于n1
sum(scaled_prob)

# 用缩放后的概率执行Sampford抽样
sample2 <- UPsampford(scaled_prob, eps=1e-6, max_iter=500)
sample2

这里的缩放操作不会改变原始响应概率的相对比例，只是整体调整到符合Sampford的要求，是一种简单有效的折中方案。

内容的提问来源于stack exchange，提问作者Ali