調查權重問題我正在處理來自調查的一些人口普查數據。鑑於他們使用相當複雜的抽樣方案來確保來自不同群體的充分代表性，因此存在一個權重變數。我知道，如果我將權重變數放入對話框的權重框中，JMP 將在分析分佈時計算加權平均值。我還知道，JMP 在分析名目變數的分佈時會忽略權重變數。但我不清楚為什麼。特別是，我想知道描述名目變數分佈的正確方法是什麼。例如，假設有兩組，第 1 組佔受訪者總數的 40%。假設第 1 組變數佔總權重的 60%。分析分佈將顯示第 1 組中的 40%。如果我將權重變數放入「頻率」方塊中，則第 1 組將佔總數的 50%。第 1 組哪一個是正確的分數？是原始百分比還是以權重頻率加權的百分比？而且，如果是後者，為什麼不透過將權重放入「權重」框中而不是「頻率」框中來處理？
消費者與市場研究數據探索和視覺化品質和工藝工程回覆：調查權重問題請容許我將你的權重變數稱為W，以方便討論。
首先，我想澄清您的結論「權重應用作名義變數的頻率和連續變數的權重」。 這不是關於在分發平台中應如何使用 Freq 和 Weight 的正確結論。 我已經解釋了 Freq 和 Weight 的作用。 總而言之，當人們難以決定使用Freq還是Weight時，我想提供以下建議：
1) 在大多數情況下，在 Freq 中使用 W 變數。 在這種情況下，W 表示您的個人觀察結果的重複次數。
2) 只有當您知道自己在做什麼時，才在權重中使用 W 變數。
現在讓我回到你的 W 變數。 正如您所描述的，它並不完全適合頻率或權重。 W的目的是為了對抗調查中不同的選擇機率。 假設您有興趣估計總體比例和估計值的標準誤。 我相信，正確使用的工具是 SAS 流程 Proc SURVEYMEANS。 如果分發平台相當於 SAS 流程 Proc UNIVARIATE，那麼我認為 JMP 沒有與 Proc SURVEYMEANS 等效的平台。 我已經檢查了分類平台，但我不認為它是等效的。
因此，對我來說，您真正的挑戰不是決定將 W 放入 Distribution 平台的 Freq 或 Weight 中，而是了解在 Distribution 中執行哪些計算來複製結果（如果您可以訪問 Proc SURVEYMEANS）。 此時，我可以確認將 W 放入 Freq 中使用 Distribution 進行點估計計算將複製 Proc SURVEYMEANS 中的估計值。 兩種計算的公式在數學上是等效的。 你是對的，你將無法複製估計的標準誤差。 計算標準誤差的詳細資訊可以在 Proc SURVEYMEANS 的文檔中找到。
回覆：調查權重問題為了更清楚地說明這一點，這裡有一個最近調查的例子。在回答家庭成員是否改變教育計畫的問題時，109,051名受訪者中，有5.3%的人給了肯定的答案。將家庭權重添加到分析中沒有任何改變。將家庭權重加為頻率，可得出 121,520,180 個家庭的 4.8% 的估計值。我相信 4.8% 是正確的點估計。當然，標準誤差是錯誤的——事實上，我認為沒有任何簡單的方法可以估計標準誤差。為此，必須使用人口普查局提供的 80 個重複權重。但是，目前，我只詢問點估計 - 以及為什麼權重應用作名義變數的頻率和連續變數（例如家庭收入）的權重。我認為您已經回答了最後一個問題（從我的角度來看，沒有充分的理由，但是必須處理 sas 用戶和舊腳本的歷史原因）。您能確認一下關於點估計的部分嗎？
回覆：調查權重問題這些是人口普查局調查的權重。由於他們使用複雜的分層抽樣程序，因此家庭權重代表了回應家庭所代表的家庭數量。雖然家庭本身是受訪者，但它可能代表該「類型」的 1000 個家庭。因此，它不符合頻率的描述，因為沒有其他受訪者做出完全相同的回答。但如果將其用作權重，則在分類變數的分佈中將忽略它。因此，舉例來說，如果您想知道具有特徵x 的人的百分比是多少，那麼受訪者的百分比將不同於總體的百分比，但這不僅僅是因為隨機抽樣，而是因為所使用的抽樣程序。在我看來，我們想要使用權重 - 但它們影響特徵 x 的百分比的唯一方法是將其用作頻率，而不是權重。我相信這對於點估計是正確的 - 但對於估計標準誤差可能不是正確的。
回覆：調查權重問題為了回答權重變數放在哪裡，我需要問權重變數代表什麼。 Weight=2 是否意味著有兩個相同的調查結果，例如，如果每一行都表示資料中的一個調查結果，那麼兩個人對所有問題給出完全相同的答案？ 如果是這樣，權重變數應該轉到“Freq”。 「Freq」字面意思是同一觀察結果有多少副本。 否則，如果您將其分配給“權重”，我們需要了解“權重”將如何影響您感興趣的統計數據。 這將視具體情況而定。 例如，如果您將權重變數放在「Weight」中，那麼N將是您的資料表的行數；平均值將與「Freq」中使用權重變數的平均值相同；然而，標準差將與在「頻率」中使用權重變數的標準差不同。 「權重」可能會影響公式涉及「w_i」的計算。 但需要檢查個別文件才能確定。
另外兩個參考文獻可能有助於解釋頻率和權重之間的差異。 兩者均來自 SAS。 是的，SAS 在早期對 JMP 平台的設計產生了很大的影響。
https://blogs.sas.com/content/iml/2013/09/13/frequencies-vs-weights-in-regression.html
https://support.sas.com/kb/22/600.html
至於“歷史原因”，我只能根據我的經驗說。 我可以看到兩個原因：
1) “Freq”過去只是整數。 儘管在 JMP 中不再如此，但在某些 SAS 過程中似乎仍然如此。 透過添加“權重”，它可以容納更大的值和小數值，它允許一些使用“頻率”無法實現的計算。
2）「權重」可以用作一些統計計算的切割技巧，但不會改變數據。 SAS 部落格提供了一個很好的例子，說明如何透過重新加權來處理異常值。 根據我的經驗，這些技巧通常是與經典方法一起開發的。 它們在不同情況下都很有價值，但人們需要小心它們的行為。
回覆：調查權重問題感謝您嘗試解決我的問題 - 但您的回答對我來說有點太神秘了。JMP 文件沒有幫助 - 它只是說明了我在問題中所說的內容。權重可用於連續變量，但對於名目變數會被忽略。我不明白你關於「歷史原因」的說法。這些是什麼？從您提供的其他引用來看，我懷疑這與 sas 而不是 jmp 有關。我不是 sas 用戶，所以我不知道。就說你的意思吧。
更重要的是，您是否確認當您有調查權重時，它們應該以名義變數的頻率角色，但在連續變數的權重角色中？這就是我所相信的，但我希望能得到一些證實，即使「歷史原因」仍然模糊不清。
回覆：調查權重問題目前可能造成混亂的行為主要是由歷史原因造成的。 我相信這種行為需要永遠保持原樣。 否則，使用者生產中現有的 JSL 腳本可能會產生意外結果，且沒有警告且難以偵測。
一些參考資料可能有助於理解當前的行為：
1) JMP 文檔。 基本分析 > 分發 > 啟動分發平台。 https://www.jmp.com/support/help/en/15.0/jmp/launch-the-distribution-platform.shtml
2）SAS Proc Univariate Documentation中的FREQ語句與WEIGHT語句： https://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/procstat_univariate_sect012.htm https://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/procstat_univariate_sect021.htm
