如何在GAM（mgcv）中使用样本权重进行Logit回归的调查数据？

Question

我很有兴趣对全国范围内提供样本权重的调查数据进行GAM回归。 我感兴趣地阅读了这篇文章 。 我选择了我感兴趣的vars产生DF：

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

根据我的理解，我使用以下代码生成加权DF：

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

假设我只选择age≥30科目：

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

现在，我将使用mgcv package适合GAM模型（ fpl ~ s(age) + gender ）。 是否可以使用weights参数或使用svydesign对象ageDesign ？

编辑

我想知道从svyglm对象推断计算权重是否正确，并将其用于GAM中的weights参数。

Answer 1

这比它看起来更难。 有两个问题

1. 您希望获得适当的平滑量
2. 您需要有效的标准错误。

只是将采样权重给予mgcv::gam()将不会执行以下任何一项： gam()将权mgcv::gam()为频率权重，因此会认为它拥有的数据比实际数据多得多。 由于权重的原因，您将得到不平衡和低估的标准误差，并且由于群集采样，您也可能会低估标准误差。

简单的解决方法是使用回归样条（ splines包）。 这些并不像mgcv使用的惩罚样条那么好，但差异通常不是什么大问题，而且它们与svyglm直接svyglm 。 您需要选择分配多少自由度。

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