我希望在R中创建一个公式，可以用来针对各种人口统计学因素计算人口百分比的标准误差估计。我的样本中有1,045人。我的数据框称为NHIS1，例如，我想计算白人或西班牙裔人口比例的标准误。我对WHITE和HISP拥有的变量是带有0或1指示符的二进制。我使用以下代码计算了人口百分比：
#sum(NHIS1$WHITE)=637,nrow(NHIS1)=1045,and sum(NHIS1$HISP)=408
(sum(NHIS1$WHITE)/nrow(NHIS1))*100,(sum(NHIS1$HISP)/nrow(NHIS1))*100
我认为我的公式设置可能看起来像下面的样子，但是我不确定是否有更好的方法来设置所有这些设置，因此R可以在不手动插入的情况下引用上面的这些人口比例。
perc_SE=function(p){sqrt((p*(1–p))/1045)}
谢谢！
您可以尝试使用每列表格的prop.test，这样可以为您提供比例以及95％的置信区间。只需将这些乘以100即可得到百分比：
prop.test(table(NIHS$WHITE))
#>
#> 1-sample proportions test with continuity correction
#>
#> data: table(NIHS$WHITE),null probability 0.5
#> X-squared = 3.6431,df = 1,p-value = 0.0563
#> alternative hypothesis: true p is not equal to 0.5
#> 95 percent confidence interval:
#> 0.4993011 0.5533346
#> sample estimates:
#> p
#> 0.5263941
如果您想要一个简单的函数来获取百分比，可以执行以下操作：
proportions <- function(x)
{
a <- prop.test(table(x))
data.frame(Proportion = 100 * a$estimate,Lower_CI = 100 * a$conf.int[1],Upper_CI = 100 * a$conf.int[2])
}
现在您可以这样做：
proportions(NIHS$WHITE)
#> Proportion Lower_CI Upper_CI
#> p 52.63941 49.93011 55.33346