加权数据的逻辑回归（人口）

Question

我试图对通过真实调查收集的数据进行逻辑回归。 数据集包含汇总数据（即，作为微数据的总和得出），并具有以下列：

1. 有关特征存在的因变量（二进制：0,1）

2. 三个解释性的分类变量，即性别，年龄组和受教育程度

3. 在对受访者进行加权调整后反映出总体水平上的抽样频率后，以千为单位的值。

4. 频率，即样本中具有特定特征的人数（例如，样本中15-34岁，具有该特征的受教育程度为1的女性人数）。

因此，对于10个国家的Y因变量（0,1），我具有人口统计学变量的所有可能组合（所有类别）。更具体地说，如果运行以下命令，则可以查看我的数据集的格式：

Country<-rep(c(paste("country",1:10,sep='_',each=36)
Y<-rep(0:1, each=18, len=360)
Sex<- rep(c("Females", "Males"), each=9, times=20)
Age<- rep(c("15-34", "35-54", "55+"), each=3, times=40)
Education<- rep(c("edu1", "edu2", "edu3"), len=360)
Value<- runif(360, 0.6, 100.56)
Freq<- floor(runif(360,1,150)) 

data<- data.frame(Country, Y, Sex, Age, Education, Value, Freq)

经过大量研究，我首先选择运行逻辑回归，如下所示：

glm(Y~Age+Sex+Education+Country, weights=Value, data=data, family=binomial(logit))

但是我有一个错误-警告消息：

Warning message:
In eval(expr, envir, enclos) : non-integer #successes in a binomial glm!

然后，我将数据从长格式重整为宽格式，以便运行第二个物流，如下所示：

glm( cbind(ans1,ans0) ~ Age+Sex+Education+Country,  data=data, family = binomial(logit))

但我也有一个错误-警告消息：

Warning message:
In eval(expr, envir, enclos) : non-integer counts in a binomial glm!

当在某些类别的组合中存在NA时，两种方法的结果完全不同。

因此，如果有人可以回答以下任何问题，我将不胜感激：

1. 有谁知道我用第一种还是第二种方式正确运行glm？ 我的问题是我不知道是否可以对加权数据运行逻辑回归。 例如，我应该使用样本中的频率吗？ 但是那时我没有使用的重量...

2. 当解释变量中存在NA时，为什么两种方法的结果不同？

3. 当我使用千分之几或实际值（即乘以1000）运行glm时，我具有相同的OR，但具有不同的标准误差，偏差，AIC等。哪个正确？ 如果我使用成千上万的人口，这是错误的吗？

先感谢您！