我们调查了特定行业的所有 10,000 名专业人士。该行业受到高度监管，因此我们为感兴趣的人群中的每个人提供联系信息。我们试图联系 100% 的人口。我们现在有一个包含 2,000 条回复的数据集，因为 20% 的人口同意完成调查。在进行这项调查时，根本没有抽样概率，也没有聚类。

按居住州划分时，响应率存在很大差异。由于状态变化在这个行业中很重要，我们计划计算这个最终数据集的权重，以便我们运行的任何统计数据都可以推广到整体人口，而不是 20% 的回应者。我相信权重应该被视为分层后的权重，但我不确定。

我不认为这是一个非常复杂的数据集来分析，但我不确定它是否是某种特殊情况——它不涉及任何采样，但同时它不是整个宇宙.

我将不胜感激任何编码技巧（使用任何统计语言）来推荐对这种结构的数据最有意义的调查分析设置。

如果我不得不猜测，这是我将使用的 R 代码：

# start with data set `x` and add a column of five, since 20% responded
x$wgt <- 5
# give everyone in the data set a weight of five

# provide only a column of 5's to the `svydesign` command
y <- svydesign( ~1 , data = x , weights = ~ wgt )

# create a table with the intended joint distribution, here with just two example states
pop.types <- data.frame( state = c( "state 1" , "state 2" ) , Freq = c( 5000 , 5000 ) )

# create the post-stratified survey design
z <- postStratify( y , ~ state , pop.types )

# have fun running statistics and confidence intervals
svymean( ~ variable.to.analyze , z )
confint( svymean( ~ variable.to.analyze , z ) )

ucla 在 stata 中有一个分层后教程，这让我觉得像这样创建 svyset 线可能更聪明——

gen total_pop = 10000
gen pststr_wgt = .
replace pststr_wgt = 5000 if state == "state 1":state
replace pststr_wgt = 5000 if state == "state 2":state
svyset _n , fpc( total_pop ) poststrata( state ) postweight( pststr_wgt )

谢谢！！