关于NHANES权重选择及计算的解读

NHANES 教程 - 模块 3 - 加权 (cdc.gov)

https://wwwn.cdc.gov/nchs/nhanes/tutorials/Module3.aspx

NHANES数据库的高价值在于加权分析后具有全美代表性，因此，理解其本质及在分析中进行正确的权重计算具有重要意义。本文基于官网及个人理解，对NHANES权重及计算方法进行了一定程度的解读。
本文内容的理解要求读者对nhanes的基本数据形式有一定的认知。如果完全没查看过nhanes数据建议先自行下载数据，查看codebook及数据表后再阅读本文。

nhanes的权重由3部分组成：
基础权重basic weight：与常规抽样数据类似，对应样本被抽中的概率。
无应答调整 non-response adjustments:
分层后调整 post-stratification adjustments:
下面开始进行相应解释

1. 基础权重
   普通的问卷调查，为了使抽样样本具有一定的人群代表性，会赋予其一定的权重，相当于样本中的各个观测（本研究为每个研究对象）在总体中的重要程度，或样本中每个观测所能代表的总体中的个体的数目。
   一般的计算方法如下：

但NHANES调查使用了更为高级的复杂多阶段抽样complex, multistage design.，因此其计算公式如下：

注：PSU为primary sampling unit，相关学科为抽样调查。
参考：抽样调查第07讲（整群抽样的小结，两阶段抽样：规模相等与规模不等） - 知乎 (zhihu.com)

2. 无应答调整
   之所以有这个权重，其原因是nhanes每个周期的调查中，participants参与项目的完整度不一致，且一些特定项目只有部分人员参加。
   可以将nhanes的数据采集理解为一个多步筛选过程，一开始，绝大部分数据者都完整提供了人口学数据，下一步，一部分人会参与面谈，而一小部分人丢失；再下一步，一部分人参与MEC（mobile examination centers）体查，而一小部分人丢失。那么如果选择了包含MEC体查数据的样本，计算权重时就需要使用mec权重。一些特殊数据的采集的条件更为苛刻，如01-02周期中的早晨空腹血糖检测，其要求参与者在预约时间前至少9小时禁食，这导致了很大程度的样本缺失。
   （主要是个人的通俗理解，与官网给出的描述有一定出入）

3. 分层后调整
   权重还进行后分层，以匹配每个抽样子域的总体控制总数。这一额外调整使加权计数与美国非机构化平民人口的独立估计相同。

以上为nhanes权重计算的3个基本要素，对于非专业人员，点到即止即可。以下为权重的选择即计算方法。
权重的计算由两个方面组成：1.基于最小子集选择合适权重 2.基于合并周期数计算

1. 在NHANES中选择正确的权重
   数据发布文件中提供了各种样本权重，例如interview weight (wtint2yr), the MEC exam weight (wtmec2yr), and several subsample weights
   使用正确的样品重量进行NHANES分析取决于所使用的变量。一个好的经验法则是使用“最小公分母”：在最少数量的受访者上收集的兴趣变量是“最小公分母”，而适用于该变量的样本权重是用于该特定分析的合适权重。
   （个人理解：纳入目的变量后，对数据进行合并，看哪个变量的归属的样本量最小，就使用那个变量对应的样本的权重）

2. 选择正确权重
   您必须使用最小子总体的权重，该子总体包含要包含在分析中的所有变量。要为分析选择正确的权重，需要找出感兴趣的变量包含在调查的哪个组成部分中。
   2.1 example 1
   所有变量都是在家庭面试中收集的
   Example 1: All of the variables were collected in the in-home interview
   You are performing an NHANES 2013-2016 analysis to look at the association of race and Hispanic origin, and poverty on previous diagnosis of diabetes among adults aged 20 and over. All of these variables were collected in the in-home interview (N=11,488 adults aged 20 and over).
   Answer: You would use the interview weights for your analysis (). Because this analysis combines multiple survey cycles, you would need to use or create the appropriate multi-year interview weight as described in following section, “Constructing Weights for Combined NHANES Survey Cycles.” wtint4yr
   2.2 example 2
   部分变量在MEC中收集
   Example 2: Some of the variables were collected in the MEC
   You are performing an NHANES 2013-2016 analysis looking at the association of race and Hispanic origin, age, poverty and the prevalence of high blood pressure among adults aged 20 and over. All three demographic variables were collected during the in-home interview (N=11,488). But blood pressure was collected during the MEC exam and MEC questionnaire portion of the survey (N=11,062). MEC-examined sample persons are a subset of those interviewed in the survey.
   Answer: You would use the MEC exam weight for your analysis (). Because this analysis combines multiple survey cycles, you would need to use or create the appropriate multi-year interview weight as described in following section, “Constructing Weights for Combined NHANES Survey Cycles.” wtmec4yr
   2.3 example 3
   部分变量是子样本的一部分
   You are performing an NHANES 2013-2016 analysis looking at the association of race and Hispanic origin, age, blood pressure and fasting triglycerides among adults age 20 and over.
   Race and Hispanic origin and age were available from the in-home interview (N=11,488)
   Blood pressure came from the MEC exam. MEC-examined sample persons are a subset of those interviewed in the survey.
   Fasting triglycerides are collected from those sample persons who were subsampled to fast before attending a morning MEC exam session and who actually fasted for at least 8.5 hours before the blood draw… This group is approximately half the sample of those who were MEC examined (N=4,660).
   MEC是interview的子集，Fasting triglycerides是MEC的子集，所以最后选择了空腹子样本权重
   Answer: You would use the fasting subsample weights (). Because this analysis combines multiple survey cycles, you would need to use or create the appropriate multi-year interview weight as described in following section, “Constructing Weights for Combined NHANES Survey Cycles.”
   2.4 example 4
   一些变量来自24小时饮食回忆
   Example 4: Some of the variables were from the 24-hour dietary recall
   Although the 24-hour dietary recall is not considered a subsample, participants who completed this component also have special weights that adjust for non-response to the dietary component and incorporate the day of the week of recall. This adjustment is needed because food intake often varies between weekdays and weekends.
   Answer: You would use the dietary day one sample weight () for an analysis that uses data from the first dietary recall. In addition, the dietary two-day sample weight () was constructed for participants who completed two days of dietary recall, and this weight should be used if an analysis uses both days of dietary intake. See the documentation for the dietary component for more information about the sample weights for the dietary intake data. wtdrd1 wtdr2d
   If your analysis combines multiple survey cycles, you would need to use or create the appropriate multi-year dietary day one sample weight as described in following section, “Constructing Weights for Combined NHANES Survey Cycles.”
   总结：基于纳入变量，找到最小子集，然后选用其对应的权重即可。

3. 为合并NHANES调查周期构建权重。
   多数研究会为了扩大样本量而对nhanes调查数据进行合并。合并后需要计算相应的周期合并权重。
   3.1 合并周期时一些注意的点：
   3.1.1注意可能影响合并数据的样本设计更改，
   3.1.2验证所有合并年份收集的数据项在措辞、方法和包含/排除（例如符合条件的年龄范围）方面是否具有可比性，
   3.1.3选择要用于组合数据集的适当权重，
   3.1.4 检查在合并的时间段内估计中没有趋势的固有假设（这一条我也不太明白）。
   3.1.5 从2003年开始，每两年的调查内容尽可能保持不变，以便与数据发布周期保持一致。在连续调查的头四年（1999-2002年），情况并非总是如此。
   3.2 权重的构建方法
   3.2.1 合并NHANES 1999-2000和2001-2002周期的样品权重
   由于使用了不同的人口基数，1999-2000年和2001-2002年的两年加权数没有直接可比性。因此，在分析中将 1999-2000 年与 2001-2002 年调查年相结合时，必须使用 NCHS 提供的 4 年样本权重。
   如果使用了99-01及01-02两个调查周期的数据，需要使用其4年权重。wtint4yr
   如果使用了99-01或01-02两个调查周期的数据，需要使用其4年权重。wtint2yr
   3.2.2 合并NHANES 01-02及以后的样本权重
   2001-2002年NHANES的两年抽样加权数和随后的所有两年周期均以纳入2000年人口普查计数的人口估计数为基础。NCHS 不会在公开发布文件中为多个两年周期的组合构建或包含所有可能的权重，因为这样做是不切实际的。相反，NCHS为分析师提供了有关如何组合这些循环并构建适当权重的信息。当合并2001-2002年以后的两个或多个两年周期时，可以通过简单地将两年样本权重除以分析中的两年周期数来计算新的多年样本权重。下表提供了公式。（虽然是sas代码，但看懂没有难度）
   
   
   *SDDSRVYR是调查周期变量，即
   1 = 1999-2000
   2 = 2001-2002
   3 = 2003-2004
   4 = 2005-2006
   5 = 2007-2008
   6 = 2009-2010
   7 = 2011-2012
   8 = 2013-2014
   9 = 2015-2016
   10 = 2017-2018
   依此类推。

注意：
可以看到涉及99-00的周期合并的权重计算是较为特别的。
以上表格也显示了组合MEC权重的公式（）。相同的结构也适用于组合访谈权重（）或任何子样本权重（例如空腹子样本权重）。wtmec2yr wtint2yr wtsaf2yr

组合连续NHANES的测量周期时构建权重的示例

示例 1：如何合并 1999-2000 年和 2001-2002 年的四年数据

答：你必须使用 SAS 人口统计文件中提供的 4 年权重 （）WTMEC4YR（见上面的解释）。

示例 2：如何合并 2001-2002 年和 2003-2004 年的四年数据

答：合并 2001-2002 年以后的调查周期时，通过将 2 年权重 （） 除以分析中的两年周期数来创建四年权重变量 （2）。WTMEC2YR
if sddsrvyr in (2,3) then MEC4YR = 1/2 * WTMEC2YR;

示例 3：如何合并 1999-2004 年的六年数据

答：由于您使用的是 1999-2000 年调查和 2001-2002 年调查，因此您必须从 1999-2001 年提供的 4 年加权数 （） 和人口统计文件中提供的 2003-2004 年加权数 （） 开始。这将允许您使用以下代码创建一个 6 年权重变量 （）。WTMEC4YRWTMEC2YRMEC6YR

对于 1999-2004 年的 6 年数据，权重应构造为：

if sddsrvyr in (1,2) then MEC6YR = 2/3 * WTMEC4YR; /* for 1999-2002 /
else if sddsrvyr = 3 then MEC6YR = 1/3 * WTMEC2YR; / for 2003-2004 */
示例4：如何合并2001-2006年（或任何未来周期）的六年数据

答：由于您没有合并 1999-2000 年的任何数据，因此可以通过将分析 （3） 中的 2 年权重 （） 除以两年周期数来创建 6 年权重变量。WTMEC2YR
if sddsrvyr in (2,3,4) then MEC4YR = 1/3 * WTMEC2YR;