一、膳食调查为什么不是"随便抽一群人问一下"

全国营养与健康状况调查、居民膳食与营养监测这类大规模膳食调查，从来不是简单随机抽样。为了兼顾代表性、可行性和成本，普遍采用复杂抽样设计：

• 分层抽样：按地区（城乡、东中西部）、经济水平分层。
• 多阶段整群抽样：先抽区县、再抽街道/乡镇、再抽居委会/村、最后抽户和人。
• 不等概率抽样：某些人群（如老人、儿童、农村）被故意多抽一些，以保证子样本量足够做分析。

这种设计的好处是样本效率高、实施可行，但代价是：抽出来的样本，每个人在总体中的代表权不一样。有的人一个人代表总体里 100 个人，有的人代表 500 个人。如果直接把样本当成"等概率人群"做描述性统计，算出来的患病率、平均摄入量都会系统性偏差。这就是为什么复杂抽样调查必须加权。

二、什么是抽样权重

抽样权重（Sampling Weight），简单说就是样本中每一个人在总体里代表多少人。

• 概率抽样时，某个人被抽中的概率是 p，他的权重就是 1/p。
• 抽中概率高的人权重小，抽中概率低的人权重大。

比如调查中农村老人被多抽了 2 倍，那他的权重就只有城市中青年的一半——把"多抽的那部分"按权重缩回去，样本结构才能还原成总体结构。

三、膳食调查权重通常由哪几部分构成

实际大型营养调查里，一个人的最终权重不是单一数字，而是多步相乘：

1. 基础抽样权重：由抽样设计决定，1/入样概率。
2. 无应答调整权重：没填表、没完成膳食记录的人，把他们的权重分给同层里应答的人，校正无应答偏差。
3. 事后分层权重（Post-stratification）：最后把样本的年龄、性别、城乡结构，和当年人口普查数据对齐，做最后一步校准。

三者相乘，就是每个人最终的分析权重。

四、不加权直接做描述性统计会错在哪

4.1 均值被扭曲

举个例子：调查为了保证农村老人有足够样本量，故意多抽了农村老人。如果不加权直接算"全国居民平均每日盐摄入量"：

• 农村老人盐摄入量普遍偏高
• 样本里农村老人占比远高于真实人口结构
• 算出来的平均盐摄入量会显著偏高

这个偏高不是真实的全国水平，是抽样设计导致的人为偏差。

4.2 患病率失真

再看膳食相关慢性病患病率：

• 抽得多的人群（比如某省某年龄段）在样本里占比过高
• 直接算"高血压患病率 = 患病人数 / 总样本"
• 结果被这个过度抽样的亚群拉偏，可能偏高也可能偏低

不加权估计出来的全国患病率，和卫生部门真正要上报的数字，可能差出好几个百分点。

4.3 亚群估计不可信

更隐蔽的问题：分城乡、分性别、分年龄组看指标时，如果不按抽样设计加权，组内估计也会因为抽样概率不等而有偏。

五、加权前后差异有多大：典型表现

膳食调查报告里，加权前后同一份数据经常差得很明显，规律大致是：

一个直观判断：如果不加权算出来的样本人口结构（性别比、年龄分布、城乡比）和当地统计年鉴对不上，不加权做任何描述性统计都不可信。

六、加权在统计软件里怎么做

6.1 不能简单用 SPSS "加权个案" 就完事

这是最常见的误区。SPSS 里的"数据→加权个案"只是给频数加权重，它把每个样本按权重重复计数，但标准误还是按样本量算，没有考虑复杂抽样设计带来的设计效应（design effect）。

复杂抽样调查的正确做法是用专门的复杂抽样模块：

• SPSS：Complex Samples 模块
• R：survey 包
• SAS：PROC SURVEYMEANS、PROC SURVEYFREQ

这些模块同时考虑：

• 点估计加权
• 分层、整群设计
• 标准误和置信区间的正确计算

6.2 R 里 survey 包的基本流程

library(survey)

# 定义调查设计
design <- svydesign(
    ids = ~cluster,      # 整群变量
    strata = ~stratum,   # 分层变量
    weights = ~final_weight,
    data = mydata,
    nest = TRUE
)

# 加权后的平均每日能量摄入
svymean(~energy_kcal, design)

# 加权后的患病率
svymean(~obese, design)

关键是：把抽样设计（层、群、权重）一次性告诉软件，之后所有描述性统计都自动按设计算。

七、加权常见误区

7.1 只加权均值，不加权比例

很多人只对连续变量（能量、蛋白质）加权，分类变量（是否吸烟、是否肥胖）就直接算百分比。这是错的——分类比例同样要加权。

7.2 权重文件找不到就硬做

有些公开数据集（如 CHNS、NHANES）会单独提供权重文件，必须按说明合并到个人数据里。不合并权重直接分析，结论只能算"样本描述"，不能算"总体推断"。

7.3 把权重当成"随便调的数字"

权重是抽样设计的产物，不是分析师凭感觉调的。不同数据集权重变量名字不同（w1、w2、indday_w 等），一定要看官方文档用对。

7.4 加权后样本量"变大了"

有人以为加权后样本量从 1 万变 5 亿（和人口对齐），就当成样本量变大了、置信区间变窄了。实际上加权不增加信息量，真正的有效样本量远低于名义样本量，这也是为什么要算设计效应。

八、为什么膳食调查尤其需要加权

膳食调查有几个特点让加权格外重要：

1. 营养素摄入是连续变量，抽样人群结构稍有偏差，均值就偏。
2. 不同人群膳食差异巨大：城乡、南北、老少，吃的完全不一样。
3. 调查结果要上报国家、用于政策制定，不能容忍设计偏差。
4. 数据公开后被反复使用，如果使用者不了解加权，二次分析结果会系统性偏差。

这也是为什么所有大型膳食调查指南都反复强调：分析时必须使用发布的权重文件，并按复杂抽样方法做统计推断。

九、总结

复杂抽样膳食调查做描述性统计，加权不是可选项，是必选项。原因在于：

• 抽样设计本身就不等概率，样本结构≠总体结构。
• 不加权的均值、比例、患病率都有系统偏差。
• 加权是把样本"还原"成总体的唯一方法。
• 真正正确的加权要结合分层、整群设计一起算标准误，不能只点一个"加权个案"按钮。

记住一句话：不加权的膳食调查报告，描述的是"被调查的那群人"，不是"全国居民"。差的这一步加权，决定了你的结论能不能作为公共政策制定的依据。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0