我在表达我的问题时遇到了一些问题,所以我使用 mtcars 数据集作为示例。
想象一下,我是 Pixar Cars(TM) 宇宙中的社会科学专业的学生。对于一个关于统计方法的小型学校项目,我正在同龄人中进行调查。我的目标是收集 30 辆汽车样本的数据,其中一半是自动的,另一半是手动的。在我的在线调查结束后,我清理了我的数据,它看起来像 mtcars 数据集。
data(mtcars)
str(mtcars)
mtcars$am <- as.factor(mtcars$am)
levels(mtcars$am) <- c("automatic", "manual") # because anthropomorphic cars prefer factors with levels over binary code
如果我使用
table(mtcars$am)
,我发现数据集中有 19 辆自动变速器汽车和 13 辆手动变速器汽车。看起来我没有让你的目标是拥有相同数量的手动和自动汽车 :(!幸运的是,作为一名汽车社会学家,我可以通过权衡我的数据集来解决这个问题。我将目标 # 除以收集的 # 得到每个观察的权重。因此,所有自动驾驶汽车的权重应为 0.7894 (15/19),而手动汽车的权重应为 1.1538 (13/15)。为每个观察分配正确的权重非常简单:
mtcars$weight <- ifelse(mtcars$am == "automatic", 0.7894737, 1.153846)
您可以想象,对于具有更多权重类别的更大数据集,此方法会变得有点麻烦。有没有办法自动化为每个观察分配权重的过程?
作为一名主要根据需要拼凑东西的汽车和自学 R 用户,我真的不知道从哪里开始。我一直在使用上面的方法,但由于目标群体数量的增加,它不再真正可持续了。
我当然尝试在 WWW 的其他地方找到答案,但不幸的是不是很成功。以下问题似乎很有希望,但没有为我提供解决方案:
在这个例子中,我们添加了每个传输组的计数,然后通过将您的预期组大小(总数的一半)除以观察到的组大小(计数)来创建一个权重变量。
library(dplyr)
mtcars %>%
mutate(am = factor(am, labels = c('automatic','manual'))) %>%
add_count(am) %>%
mutate(weight = (n()/2)/n)
#> mpg cyl disp hp drat wt qsec vs am gear carb n weight
#> 1 21.0 6 160.0 110 3.90 2.620 16.46 0 manual 4 4 13 1.2307692
#> 2 21.0 6 160.0 110 3.90 2.875 17.02 0 manual 4 4 13 1.2307692
#> 3 22.8 4 108.0 93 3.85 2.320 18.61 1 manual 4 1 13 1.2307692
#> 4 21.4 6 258.0 110 3.08 3.215 19.44 1 automatic 3 1 19 0.8421053
#> 5 18.7 8 360.0 175 3.15 3.440 17.02 0 automatic 3 2 19 0.8421053
#> 6 18.1 6 225.0 105 2.76 3.460 20.22 1 automatic 3 1 19 0.8421053
#> 7 14.3 8 360.0 245 3.21 3.570 15.84 0 automatic 3 4 19 0.8421053
#> 8 24.4 4 146.7 62 3.69 3.190 20.00 1 automatic 4 2 19 0.8421053
#> 9 22.8 4 140.8 95 3.92 3.150 22.90 1 automatic 4 2 19 0.8421053
#> 10 19.2 6 167.6 123 3.92 3.440 18.30 1 automatic 4 4 19 0.8421053
#> 11 17.8 6 167.6 123 3.92 3.440 18.90 1 automatic 4 4 19 0.8421053
#> 12 16.4 8 275.8 180 3.07 4.070 17.40 0 automatic 3 3 19 0.8421053
#> 13 17.3 8 275.8 180 3.07 3.730 17.60 0 automatic 3 3 19 0.8421053
#> 14 15.2 8 275.8 180 3.07 3.780 18.00 0 automatic 3 3 19 0.8421053
#> 15 10.4 8 472.0 205 2.93 5.250 17.98 0 automatic 3 4 19 0.8421053
#> 16 10.4 8 460.0 215 3.00 5.424 17.82 0 automatic 3 4 19 0.8421053
#> 17 14.7 8 440.0 230 3.23 5.345 17.42 0 automatic 3 4 19 0.8421053
#> 18 32.4 4 78.7 66 4.08 2.200 19.47 1 manual 4 1 13 1.2307692
#> 19 30.4 4 75.7 52 4.93 1.615 18.52 1 manual 4 2 13 1.2307692
#> 20 33.9 4 71.1 65 4.22 1.835 19.90 1 manual 4 1 13 1.2307692
#> 21 21.5 4 120.1 97 3.70 2.465 20.01 1 automatic 3 1 19 0.8421053
#> 22 15.5 8 318.0 150 2.76 3.520 16.87 0 automatic 3 2 19 0.8421053
#> 23 15.2 8 304.0 150 3.15 3.435 17.30 0 automatic 3 2 19 0.8421053
#> 24 13.3 8 350.0 245 3.73 3.840 15.41 0 automatic 3 4 19 0.8421053
#> 25 19.2 8 400.0 175 3.08 3.845 17.05 0 automatic 3 2 19 0.8421053
#> 26 27.3 4 79.0 66 4.08 1.935 18.90 1 manual 4 1 13 1.2307692
#> 27 26.0 4 120.3 91 4.43 2.140 16.70 0 manual 5 2 13 1.2307692
#> 28 30.4 4 95.1 113 3.77 1.513 16.90 1 manual 5 2 13 1.2307692
#> 29 15.8 8 351.0 264 4.22 3.170 14.50 0 manual 5 4 13 1.2307692
#> 30 19.7 6 145.0 175 3.62 2.770 15.50 0 manual 5 6 13 1.2307692
#> 31 15.0 8 301.0 335 3.54 3.570 14.60 0 manual 5 8 13 1.2307692
#> 32 21.4 4 121.0 109 4.11 2.780 18.60 1 manual 4 2 13 1.2307692
创建于 2023-03-29 与 reprex v2.0.2
通常,您的样本比例超过或低于预期的总体比例。所以你想对样本比例进行加权,使它们与总体比例一致。您可以通过将前者除以后者来获得权重。
让我们通过
mtcars
中提供的化油器数量来证明这一点。假设已知/预期比例是:
carb_pop <- c(.25, .28, .1, .28, .05, .04) |> setNames(c(1:4, 6, 8))
carb_pop
# 1 2 3 4 6 8
# 0.25 0.28 0.10 0.28 0.05 0.04
然而,在样本中我们有:
carb_smp <- table(mtcars$carb)
proportions(table(carb_smp))
# 1 2 3 4 6 8
# 0.21875 0.31250 0.09375 0.31250 0.03125 0.03125
现在我们可以创建一个具有权重的命名向量
w
:
w <- carb_pop/proportions(carb_smp)
w
# 1 2 3 4 6 8
# 1.142857 0.896000 1.066667 0.896000 1.600000 1.280000
使比例一致,
all(carb_pop == w*proportions(carb_smp))
# [1] TRUE
我们现在可以使用命名向量以
match
方法创建权重,类似于您在链接问题中看到的方法。
mtcars$weights <- w[match(mtcars$carb, names(w))]
head(mtcars)
# mpg cyl disp hp drat wt qsec vs am gear carb weights
# Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 0.896000
# Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 0.896000
# Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 1.142857
# Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 1.142857
# Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 0.896000
# Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 1.142857