D'après ce que je peux dire, nous ne pouvons pas exécuter une régression des moindres carrés ordinaires dans R lorsque nous utilisons des données pondérées et le surveypackage. Ici, nous devons utiliser svyglm(), qui exécute à la place un modèle linéaire généralisé (qui peut être la même chose? Je suis flou ici en termes de ce qui est différent).
svyglmvous donnera un modèle linéaire si vous utilisez family = gaussian()ce qui semble être la valeur par défaut de la vignette d'enquête (dans la version 3.32-1). Voir l'exemple où ils trouvent le regmodel.
Il semble que le package s'assure simplement que vous utilisez les poids corrects lors de l'appel glm. Ainsi, si votre résultat est continu et que vous supposez qu'il est normalement distribué, vous devez l'utiliser family = gaussian(). Le résultat est un modèle linéaire pondéré. Cette réponse
Pourquoi ne pouvons-nous pas exécuter OLS dans le surveypackage, alors qu'il semble que cela soit possible avec des données pondérées dans Stata?
en déclarant que vous pouvez effectivement le faire avec le surveypackage. Quant à la question suivante
Quelle est la différence d'interprétation entre la déviance d'un modèle linéaire généralisé et une valeur r au carré?
R2family = gaussian()
> set.seed(42293888)
> x <- (-4):5
> y <- 2 + x + rnorm(length(x))
> org <- data.frame(x = x, y = y, weights = 1:10)
>
> # show data and fit model. Notice the R-squared
> head(org)
x y weights
1 -4 0.4963671 1
2 -3 -0.5675720 2
3 -2 -0.3615302 3
4 -1 0.7091697 4
5 0 0.6485203 5
6 1 3.8495979 6
> summary(lm(y ~ x, org, weights = weights))
Call:
lm(formula = y ~ x, data = org, weights = weights)
Weighted Residuals:
Min 1Q Median 3Q Max
-3.1693 -0.4463 0.2017 0.9100 2.9667
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.7368 0.3514 4.942 0.00113 **
x 0.9016 0.1111 8.113 3.95e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 2.019 on 8 degrees of freedom
Multiple R-squared: 0.8916, Adjusted R-squared: 0.8781
F-statistic: 65.83 on 1 and 8 DF, p-value: 3.946e-05
>
> # make redundant data set with redundant rows
> idx <- unlist(mapply(rep, x = 1:nrow(org), times = org$weights))
> org_redundant <- org[idx, ]
> head(org_redundant)
x y weights
1 -4 0.4963671 1
2 -3 -0.5675720 2
2.1 -3 -0.5675720 2
3 -2 -0.3615302 3
3.1 -2 -0.3615302 3
3.2 -2 -0.3615302 3
>
> # fit model and notice the same R-squared
> summary(lm(y ~ x, org_redundant))
Call:
lm(formula = y ~ x, data = org_redundant)
Residuals:
Min 1Q Median 3Q Max
-1.19789 -0.29506 -0.05435 0.33131 2.36610
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.73680 0.13653 12.72 <2e-16 ***
x 0.90163 0.04318 20.88 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.7843 on 53 degrees of freedom
Multiple R-squared: 0.8916, Adjusted R-squared: 0.8896
F-statistic: 436.1 on 1 and 53 DF, p-value: < 2.2e-16
>
> # glm gives you the same with family = gaussian()
> # just compute the R^2 from the deviances. See
> # /stats//a/46358/81865
> fit <- glm(y ~ x, family = gaussian(), org_redundant)
> fit$coefficients
(Intercept) x
1.7368017 0.9016347
> 1 - fit$deviance / fit$null.deviance
[1] 0.8916387
La déviance n'est que la somme des erreurs carrées lorsque vous utilisez family = gaussian().
Avertissements
Je suppose que vous voulez un modèle linéaire de votre question. De plus, je n'ai jamais utilisé le surveypackage, mais je l'ai rapidement parcouru et j'ai fait des hypothèses sur ce qu'il fait, ce que je déclare dans ma réponse.