如何在Logit回归的调查数据上使用GAM（mgcv）中的样本权重？

Question

我有兴趣对来自全国范围调查的数据执行 GAM 回归，该调查显示样本权重。我饶有兴趣地阅读了这篇post。 我选择了我感兴趣的生成 DF 的变量：

nhanesAnalysis <- nhanesDemo %>%
                    select(fpl,
                           age,
                           gender,
                           persWeight,
                           psu,
                           strata)

根据我的理解，我使用以下代码生成了一个加权 DF：

library(survey)    
nhanesDesign <- svydesign(    id      = ~psu,
                              strata  = ~strata,
                              weights = ~persWeight,
                              nest    = TRUE,
                              data    = nhanesAnalysis)

假设我只选择具有

age≥30

的科目：

ageDesign <- subset(nhanesDesign, age >= 30)

现在，我将使用

fpl ~ s(age) + gender

拟合 GAM 模型 (

mgcv package

)。是否可以使用

weights

参数或使用

svydesign

对象

ageDesign

来做到这一点？

编辑

我想知道从

svyglm

对象推断计算的权重并将其用于 GAM 中的

weights

参数是否正确。

Answer 1

这比看起来更难。有两个问题

1. 您想获得适量的平滑
2. 你想要有效的标准错误。

仅将采样权重赋予

mgcv::gam()

不会执行以下任一操作：

gam()

将权重视为频率权重，因此会认为它拥有比实际更多的数据。由于权重，您会得到平滑度不足和低估的标准误差，并且由于整群抽样，您也可能会得到低估的标准误差。

简单的解决方法是改用回归样条（

splines

包）。这些不如

mgcv

使用的惩罚样条好，但差异通常不是什么大问题，它们可以直接与

svyglm

一起使用。您确实需要选择分配多少个自由度。

library(splines)
svglm(fpl ~ ns(age,4) + gender, design = nhanesDesign)

Answer 2

你处理过这个问题吗？这些天我也对此感到困惑。如果在执行 GAM 回归时或使用原始数据时必须对其进行加权？