R - 具有标准误差的数据数据的线性回归

如何解决R - 具有标准误差的数据数据的线性回归

我正在尝试对美国社区调查数据执行线性回归，该数据的估计值存在标准误差。在运行线性回归（例如 lm()）时，解决这些问题的正确方法是什么？

ACS 数据示例：

tarr <- structure(list(GEOID = c("48439100101","48439100102","48439100201","48439100202","48439100300","48439100400"),NAME = c("Census Tract 1001.01,Tarrant County,Texas","Census Tract 1001.02,"Census Tract 1002.01,"Census Tract 1002.02,"Census Tract 1003,"Census Tract 1004,Texas"),estimate = c(50369,58125,40814,47944,36007,30679),standard_error = c(7628.57142857143,6375.07598784194,4620.06079027356,5686.93009118541,2677.20364741641,2450.45592705167)),row.names = c(NA,-6L),class = c("tbl_df","tbl","data.frame"))


head(tarr)
#> # A tibble: 6 x 4
#>   GEOID       NAME                                       estimate standard_error
#>   <chr>       <chr>                                         <dbl>          <dbl>
#> 1 48439100101 Census Tract 1001.01,Tex…    50369          7629.
#> 2 48439100102 Census Tract 1001.02,Tex…    58125          6375.
#> 3 48439100201 Census Tract 1002.01,Tex…    40814          4620.
#> 4 48439100202 Census Tract 1002.02,Tex…    47944          5687.
#> 5 48439100300 Census Tract 1003,Texas      36007          2677.
#> 6 48439100400 Census Tract 1004,Texas      30679          2450.

^{由 reprex package (v1.0.0) 于 2021 年 3 月 14 日创建}

如果我使用 lm()，它将报告将估计值视为观察数据的标准误差，而不是考虑估计值已经存在标准误差。据我所知，svyglm 仅适用于复制表权重，不适用于标准误差。

谢谢！

解决方法

假设标准误差为：

1. 衡量可变性
2. 估计总体多个样本的变异性
3. 是一个只能估计的推论统计量

您不必考虑给定的标准误差。

此信息包含在您用于线性回归的数据中。

您可能想到的是回归 (S) 的标准误差，它是回归分析的关键拟合优度度量？