目录

1、复杂多阶段抽样调查

2、如何让你的软件知道抽样设计为复杂多阶段抽样？

3、如何正确选择并计算权重

（1）权重类型（只针对2001年后的数据）

（2）权重选择

（3）结合周期计算权重

---

在讲权重选择和计算之前，大家是否还记得小编在 NHANES数据库数据下载 一文的文末提到下载好的数据不能够利用常规的统计方法直接分析，今天跟大家分享一下，正确分析的前提是什么，也就是如何选择并计算权重

1、复杂多阶段抽样调查

一般情况下，当我们使用统计软件进行数据分析时，软件默认数据的抽样设计是简单随机抽样。但是由于简单随机抽样不适用于大范围的调查，NHANES采用的是复杂多阶段抽样（counties、segments、household和individual），每个人被抽中的概率不等，各阶段抽样数据不独立。所以当我们面对nhanes数据时，如果直接采用常规的统计方法（描述性统计：如计算均值、标准差、百分比；统计推断和模型：如区间估计、T检验、方差分析、回归等）分析会出现问题。这就要求我们在进行这些分析之前经过一定的调整，也就让统计软件知道具体的抽样设计。

2、如何让你的软件知道抽样设计为复杂多阶段抽样？

在上一篇文章中，我们提到下载nhanes数据的时候，除了需要下载参与者的信息外还需要下载抽样调查相关信息（weight，strata，psu）。之所用要下载这部分数据，就是为了在正确分析数据之前，先告诉统计软件nhanes的抽样设计是复杂多阶段抽样。

在R中，利用survery包中的svydesign（）方法可以设置抽样方法

nhanesDesign <- svydesign(id      = ~psu,
                          strata  = ~strata,
                          weights = ~persWeight, #nhanes数据分析中weight需要提前计算
                          nest    = TRUE,
                          data    = nhanesAnalysis)

对于复杂抽样的数据，只有正确设置好抽样方案后才能够进行后续的分析。svydesign（）方法中，id处传数据中的psu变量，代表告知指初级抽样单位，strata处传strata变量，代表告知分层指标。这个两个下载下来后不需要处理直接传入即可。

svydesign（）方法中weigths需要传入一个正确的权重。需要注意的是，在nhanes中不同的变量可能会对应不同的weight，比如，BMI对应的权重是wtmec2yr，age对应的权重是wtint2yr，也就是说一份数据中可能有多个不同的weight，那么该如何得到正确的weight呢？这就涉及到了nhanes数据分析前的权重选择和计算问题了。

3、如何正确选择并计算权重

（1）权重类型（只针对2001年后的数据）

以下列出几种常见的权重类型（基本够用）

变量类型	权重类型
in-home interview收集的变量	wtint2yr
MEC检查变量	wtmec2yr
子样本变量（如：空腹甘油三酯）	相应子样本权重（空腹子样本权重：wtsaf2yr）
24-hour dietary recall（day1）变量	wtdrd1
24-hour dietary recall（day2）变量	wtdrd2

对NHANES数据而言，分析最终使用的权重取决于所纳入的变量。权重选择的核心原则：先明确检测人数最少的变量，然后取该变量对应的权重。

（2）权重选择

①所有变量都是以in-home interview的方式收集，权重采用wtint2yr；

只有研究的所有变量都是以in-home interview的方式收集的，权重才用wtint2yr，如果还有其他方式收集的变量，接着往下看；

②部分变量是以MEC的方式收集的，权重采用wtmec2yr；

如果所有变量只有以in-home interview和MEC检查两种方式收集的，权重就用wtmec2yr，如果还有子样本变量（没有24-hour dietary recall变量），参考第③点选择权重；如果包含24-hour dietary recall变量则直接参考第④点选择权重；

③部分变量是调查子样本的一部分，则采用相应子样本权重；

如果研究的变量同时包括wtint2yr，wtmec2yr以及自样本权重这个三种权重，则选择相应子样本权重；因为所有参与者都接受采访（in-home interview）（人群1），在接受采访的人中部分接受MEC检查（人群2），在接受MEC检查的人中，只有空腹8小时以上的人才检查了空腹甘油三酯（人群3：子样本人群），即人群3（子样本人群）<人群2<人群1，根据权重选择的核心原则，所以选择子样本变量对应的权重为最终权重。

④一些变量来自24小时饮食回忆（24-hour dietary recall）

24小时饮食回忆不属于子样本变量，但是完成这部分调查的参与者其权重比较特殊，一周中工作日和周末的饮食摄入量可能会存在差异，该权重可以调整这些差异。只要研究中有变量是以24-hour dietaryrecall方式收集的（不管是否包括wtint2yr，wtmec2yr或者子样本权重），最终权重都为wtdrd1（第一天）/wtdrd2（2天）。

（3）结合周期计算权重

（合并多个周期时需合并权重，这里只针对1999年后的数据）

先根据以上原则选择相应的权重类型，然后根据合并的周期重新计算，以下以wtint2yr权重为例。总原则：对于任何不包括1999-2000年的2001-2002年及以后的任何周期合并，权重都等于1/周期数*（相应权重）。

①如果只合并1999-2000和2001-2002四年（2个周期）的数据，则最终权重为wtint4yr（全部周期中，只有合并了1999-2002四年的数据才有wtint4yr这个权重类型，其他所有的都是wtint2yr）；

②如果合并1999-2004六年（3个周期）的数据，需分成1999-2002年（作为整体算2个周期）和2003-2004（1个周期）两部分考虑：

1999-2002年（2个周期）的权重为2/3*wtint4yr；

2003-2004年（1个周期）的权重为1/3*wtint2yr

③如果合并2001-2002和2003-2004四年（2个周期）的数据，则最终权重为1/2*wtint2yr；

④如果合并2001-2006六年（3个周期）的数据，因为没有包括1999-2000年的数据，所以最终权重为1/3*wtint2yr。

至此基本可满足大部分研究的权重选择和计算，计算好之后将最终的权重数据传入svydesign（）方法中weigths即完成了抽样方式的设置，这样就可以进行后续的分析了，包括根据纳入和排除标准选择最终纳入分析的人群以及统计分析。

更多相关知识可关注以下公众号

---