我正在处理来自调查的一些人口普查数据。考虑到他们使用相当复杂的采样方案来确保来自不同群体的足够代表，因此存在一个权重变量。我知道，如果将weight变量放在对话框的Weight框中，则JMP将在分析分布时计算加权平均值。我还知道，JMP在分析名义变量的分布时会忽略权重变量。但是我不清楚为什么。特别是，我想知道描述名义变量分布的正确方法是什么。例如，假设有两个组，并且组1占受访者总数的40％。假设第1组变量占总权重的60％。分析分布将在组1中显示40％。如果将权重变量放在“频率”框中，则组1将占总数的50％。第一组中哪个分数正确？是原始百分比还是按加权频率加权的百分比？而且，如果是后者，为什么不通过在“重量”框中而不是“频率”框中放置重量来处理呢？
感谢您尝试解决我的问题-但是您的回答对我来说有点含糊不清。JMP文档没有帮助-只是陈述了我在问题中所说的内容。权重可用于连续变量，但对于名义变量可忽略。我不理解您关于“历史原因”的陈述。这些是什么？从您提供的其他引用中，我怀疑这与sas而不是jmp有关。我不是sas用户，所以我不知道。只是说你的意思。
更重要的是，您是否在确定拥有调查权重时，应将权重强制转换为名义变量的频率角色，而将权重角色强制转换为连续变量？我已经相信了这一点，但是即使“历史原因”必须保持晦涩，我也对此表示肯定。
这些是人口普查局调查的权重。由于他们使用复杂的分层抽样程序，因此家庭权重代表响应家庭代表的家庭数量。尽管该家庭本身是单个受访者，但它可能代表1000个该类型的家庭。因此，它不符合频率的描述，因为没有其他受访者确切地回答了这些问题。但是，如果将其用作权重，则在分类变量的分布中将忽略它。因此，例如，如果您想知道有多少人具有特征x，那么受访者的百分比将不同于人口的百分比，这不仅是因为随机抽样，还因为所使用的抽样程序。在我看来，我们想使用权重-但是它们将影响具有特征x的％的唯一方法是将其用作频率，而不是权重。我认为这对点估计是正确的-但可能不适用于估计标准误差。
