Установите собственный уровень достоверности в svymean при использовании пакета опросов svyby in r

Я запускаю код для поиска взвешенных средних по группе с доверительными интервалами для нескольких переменных в моем наборе данных. Мой код выглядит следующим образом, демонстрируя использование пакета mtcars:

library(survey)
library(tidyverse)
var_list = c("wt","qsec")
  
svy_design <- svydesign(
  ids = ~1, 
  data = mtcars |> 
    dplyr::select(cyl,all_of(var_list),mpg) |> 
    na.omit(),
  weights =  mtcars |> 
    dplyr::select(cyl,all_of(var_list),mpg) |> 
    na.omit() |> select(mpg)
)

lapply(var_list, function( x ) svyby(as.formula( paste0( "~" , x ) ) ,
                     by = ~cyl, 
                     design = svy_design, 
                     FUN = svymean,
                     keep.names = FALSE, vartype = "ci")) %>% 
  bind_rows() |> relocate(wt, .after = last_col()) %>%  pivot_longer(!c(cyl,ci_l,ci_u),names_to = "var",values_to = "mean",values_drop_na = TRUE)

Это прекрасно работает и дает желаемый результат доверительных интервалов для каждой переменной. Однако когда я пытаюсь переключить доверительный интервал со значения по умолчанию 0,95, я получаю ошибки:

library(survey)
library(tidyverse)
var_list = c("wt","qsec")
  
svy_design <- svydesign(
  ids = ~1, 
  data = mtcars |> 
    dplyr::select(cyl,all_of(var_list),mpg) |> 
    na.omit(),
  weights =  mtcars |> 
    dplyr::select(cyl,all_of(var_list),mpg) |> 
    na.omit() |> select(mpg)
)

lapply(var_list, function( x ) svyby(as.formula( paste0( "~" , x ) ) ,
                     by = ~cyl, 
                     design = svy_design, 
                     FUN = svymean(level = 0.99),
                     keep.names = FALSE, vartype = "ci")) %>% 
  bind_rows() |> relocate(wt, .after = last_col()) %>%  pivot_longer(!c(cyl,ci_l,ci_u),names_to = "var",values_to = "mean",values_drop_na = TRUE)

Error in svymean(level = 0.99) : 
  argument "design" is missing, with no default

Как я могу использовать svymean внутри svyby и установить собственный уровень доверительного интервала?

r function survey confidence-interval

06.04.2024 17:58

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Первая проблема заключается в том, что FUN должна быть функцией, которая принимает формулу и дизайн в качестве первых двух аргументов, поэтому вам нужно просто предоставить FUN = svymean и любые другие аргументы FUN внутри ....

Однако на самом деле доверительный интервал рассчитывается путем установки vartype = "ci" в svyby, который вызывает survey:::confint.svyby внутри и не обеспечивает никакого контроля над уровнем достоверности.

Обойти это можно, рассчитав CI отдельно:

step1 <- lapply(var_list, \(x) {
  ## Just a standard error - do NOT change vartype=... here!
  d1 <- svyby(as.formula(paste0("~", x)) ,
              by = ~cyl, 
              design = svy_design, 
              FUN = svymean,
              keep.names = FALSE)
  ## NOW calculate the CI with the desired level
  d2 <- confint(d1, level = .99)
  ## Combine results
  d1[,c("ci_l", "ci_u")] <- d2
  dplyr::select(d1, -"se")
})

Остальная часть конвейера остается без изменений:

bind_rows(step1) %>%
  relocate(wt, .after = last_col()) %>%
  pivot_longer(!c(cyl, ci_l, ci_u),
               names_to = "var",
               values_to = "mean",
               values_drop_na = TRUE)

#> A tibble: 6 × 5
#>     cyl  ci_l  ci_u var    mean
#>   <dbl> <dbl> <dbl> <chr> <dbl>
#> 1     4  1.80  2.64 wt     2.22
#> 2     6  2.78  3.43 wt     3.10
#> 3     8  3.48  4.36 wt     3.92
#> ...

Большое спасибо, это сработало как шарм! И я ценю подробное объяснение!

— 09.04.2024 23:31

06.04.2024 22:18