Таблица частот со второй переменной как «analyti c weight» в R - PullRequest
Новая
       8

Таблица частот со второй переменной как «analyti c weight» в R

0 голосов
/ 07 января 2020

Я хотел бы создать таблицу частот в R, которая принимает в качестве веса другую переменную.

Точнее, как "вес аналити c", такой как в Stata. Согласно его справочным файлам, 

aweights, or analytic weights, are weights that are inversely
        proportional to the variance of an observation; i.e., the variance of
        the jth observation is assumed to be sigma^2/w_j, where w_j are the
        weights.  Typically, the observations represent averages and the
        weights are the number of elements that gave rise to the average.
        For most Stata commands, the recorded scale of aweights is
        irrelevant; Stata internally rescales them to sum to N, the number of
        observations in your data, when it uses them.

Ценный вклад члена стека потока был: 

Table_WEIGHT <- xtabs(WEIGHT ~ INTERVIEW_DAY, timeuse_2003)
> Prop <- prop.table(Table_WEIGHT)
> Cum <- cumsum(100 * Prop / sum(Prop))
> Cum
        1         2         3         4         5         6         7 
 14.35397  29.14973  43.23935  57.31355  71.50782  85.80359 100.00000 
> out <- data.frame(INTERVIEW_DAY = names(Table_WEIGHT), Freq = as.numeric(Table_WEIGHT),
+                   Prop = as.numeric(Prop), Cum = as.numeric(Cum))
> out
  INTERVIEW_DAY        Freq      Prop       Cum
1             1 11803438268 0.1435397  14.35397
2             2 12166729888 0.1479576  29.14973
3             3 11586059070 0.1408962  43.23935
4             4 11573379591 0.1407420  57.31355
5             5 11672116808 0.1419427  71.50782
6             6 11755579310 0.1429577  85.80359
7             7 11673877965 0.1419641 100.00000

Тем не менее, частота все еще не та, которую я ожидаю, потому что мы используя сумму второй переменной в качестве веса, вместо "analyti c weight", как указано выше.

Нужная таблица должна быть: 

 (mean) |
interview_d |
         ay |      Freq.     Percent        Cum.
------------+-----------------------------------
          1 | 2,974.1424       14.35       14.35
          2 | 3,065.6819       14.80       29.15
          3 | 2,919.3688       14.09       43.24
          4 |2,916.17392       14.07       57.31
          5 |2,941.05299       14.19       71.51
          6 | 2,962.0832       14.30       85.80
          7 | 2,941.4968       14.20      100.00
------------+-----------------------------------
      Total |     20,720      100.00

Обратите внимание, что "Freq это совсем другое.

Здесь приведен пример двух переменных (INTERVIEW_DATE) и WEIGHT (ВЕС), которые представляют собой дату опроса и вес, который не был указан в исходной статье. 

> timeuse_2003$INTERVIEW_DATE[1:15]
 [1] "2003-01-03" "2003-01-04" "2003-01-04" "2003-01-02" "2003-01-09" "2003-01-02" "2003-01-06"
 [8] "2003-01-07" "2003-01-04" "2003-01-09" "2003-01-04" "2003-01-05" "2003-01-04" "2003-01-01"
[15] "2003-01-04"


> timeuse_2003$WEIGHT[1:15]
 [1] 8155462.7 1735322.5 3830527.5 6622023.0 3068387.3 3455424.9 1637826.3 6574426.8 1528296.3
[10] 4277052.8 1961482.3  505227.2 2135476.8 5366309.3 1058351.1

I буду благодарен за любой вклад.

Ответы [ 2 ]

0 голосов
/ 07 января 2020

Я нашел не элегантное решение по файлам справки Stata. Я просто добавил строку 

timeuse_2003$N_WEIGHT <- timeuse_2003$WEIGHT * 20720/ sum(timeuse_2003$WEIGHT)

и сохранил код с помощью 

Table_WEIGHT <- xtabs(N_WEIGHT ~ INTERVIEW_DAY, timeuse_2003)
Prop <- prop.table(Table_WEIGHT)
Cum <- cumsum(100 * Prop / sum(Prop))
Cum
Freq_Table <- data.frame(INTERVIEW_DAY = names(Table_WEIGHT), Freq = as.numeric(Table_WEIGHT),
                  Prop = as.numeric(Prop), Cum = as.numeric(Cum))
Freq_Table

Таблица тогда была правильной, например: 

> Freq_Table
  INTERVIEW_DAY      Freq       Prop        Cum
1             1 2974.1424 0.14353969  14.353969
2             2 3065.6819 0.14795762  29.149731
3             3 2919.3688 0.14089618  43.239349
4             4 2916.1739 0.14074198  57.313547
5             5 2941.0530 0.14194271  71.507819
6             6 2962.0832 0.14295769  85.803587
7             7 2941.4968 0.14196413 100.000000

Если кто-то сможет уточнить как заменить число наблюдений, которое я ввел вручную, на что-то автоматическое c (этот код будет использоваться в разных наборах данных, поэтому я не могу обновлять каждый из них, меняя число наблюдений каждый раз. Что-то вроде ".N" было бы очень хорошо!

Спасибо!

0 голосов
/ 07 января 2020

То, что вы просите, может быть выполнено следующим образом: 

library(tidyverse)

a <- tibble(interview_day = 1:7,
            frequency = c(2974.1424, 3065.6819, 2919.3688, 2916.17392, 2941.05299, 2962.0832, 2941.4968)) %>%
  mutate(percent = frequency/sum(frequency),
         cum_pct = cumsum(percent)) %>%
  bind_rows(t(colSums(.)[2:3]) %>% as.data.frame())

Это решение, использующее только базу R: 

df <- data.frame(frequency = c(2974.1424, 3065.6819, 2919.3688, 2916.17392, 2941.05299, 2962.0832, 2941.4968))
df$interview_day <- 1:nrow(df)
df$percent <- df$frequency/sum(df$frequency)
df$cum_pct <- cumsum(df$percent)
...