The hardware and bandwidth for this mirror is donated by dogado GmbH, the Webhosting and Full Service-Cloud Provider. Check out our Wordpress Tutorial.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]dogado.de.

ratecalib 0.3.0

首个 CRAN 提交版本。本版相对 0.2.1 的主要新增与变更如下。

• 新增中英文免责声明与使用条款，针对本工具可能被滥用于学术造假的风险：随包分发 inst/DISCLAIMER.md（安装后 system.file("DISCLAIMER.md", package="ratecalib") 可取），项目根 同备一份；README 与 docs/PLAIN-GUIDE.md 置顶醒目声明。新增 .onAttach 加载提示（英文 ASCII， 指向完整声明），R CMD check 确认其可被抑制、不影响测试。声明涵盖正当用途、禁止滥用与学术诚信、 不提供担保、责任限制、使用者责任、接受条款，作为 MIT 许可证的补充。
• mean/total 目标现支持 soft 模式：不再限 exact。为解决「率 vs 数值量级」惩罚不可比的问题， mean/total 的目标行惩罚按目标量级 |target| 归一化（即惩罚相对误差），与率的绝对误差可比； proportion 仍用绝对率误差。total 的非零右端在 chi2 soft 下补一个线性项 q -= 2 RᵀW·rhs。 至此 proportion/mean/total × soft/exact × chi2/raking/logit 组合全部可用。
• check_calibration_data() 与 calibration_feasibility() 兼容进阶目标类型：二者原只针对单维 proportion-on-outcome 目标，遇交互（冒号 key）、mean/total、非-outcome 占比目标会误判；现改为只分析 简单目标、跳过其余并在 note/reason 中说明，不再误报。
• make_rate_targets() 新增 proportions= 便捷接口（对称于 means=/totals=）：data.frame 列 variable/level/value_var/value/target，构造任意分类取值的占比目标。
• 新增重复权重方差估计（方法论路线图 §七 + §五 进度条）：calibrate_replicate_weights(fit, repweights, scale, rscales, progress) 对每套重复权重（bootstrap/jackknife/BRR，外部生成）以 fit 的同一目标与设置重新校准（目标自 fit$target_check 重建），得校准后重复权重矩阵；replicate_variance( object, x, statistic) 用通用重复方差公式 Var = scale·Σ rscales_r·(θ̂_r − θ̂_0)² 估计任意 total/mean 的方差/SE，与 survey 的 svrepdesign 对齐（scale/rscales 由用户按重复方案设定）。progress=TRUE 在 重复循环上显示进度条（utils::txtProgressBar，无新依赖）。配 print.replicate_calibration。 （未做 design-based 线性化方差——需引入本包尚不建模的抽样设计信息。）
• raking / logit 距离现支持 soft 模式（惩罚校准）：不再限 exact。边际仍为硬约束，目标行按 Omega^{-1} = size^2/(2*lambda*grand_total*priority) 软化（与 chi2 soft 惩罚强度语义一致， lambda 越大越接近 exact）。对偶 Newton 求解器加一个按约束的 ridge 向量 reg 即实现 （F = Ax - t + reg*lambda，J 加 diag(reg)，正定更稳）。soft 下目标不可达（如全合格组）也总有解、 不再报错。（mean/total 的 soft 模式见上方条目。）
• 新增标准 S3 提取方法：weights() 取校准权重向量、as.data.frame() 取含校准权重列的数据框， 避免用户手挖 fit$data$weight_calibrated。
• 修复：stats 之前虽全程以 stats:: 调用却未声明在 DESCRIPTION 的 Imports（潜在依赖缺漏）， 现已补上并 importFrom(stats, weights)。
• 新增目标统计量泛化：均值 / 总量（方法论路线图 §二，连续变量部分）。目标表新增可选列 statistic（"proportion"/"mean"/"total"，缺省 "proportion"，向后兼容）与 value_var （数值列名）。均值/总量用单元级充分统计量 w̄_c = Σ(d·W)/D_c 在现有单元上加线性目标行实现，数学正确、 不改聚合结构。make_rate_targets() 新增 means / totals 参数（data.frame：variable/level/value_var/ target）。target_check 增 statistic/value_var 列；target_rate 的 0–1 校验仅对 proportion 生效。 当前均值/总量仅 mode = "exact"（避免 soft 模式下「率 vs 数值」惩罚尺度不可比）。
• 占比泛化到任意分类变量（方法论路线图 §二 比例部分）：proportion 目标现可分离「分组」（variable/level， 定义 mask）与「被测量」（新列 value_var/value，即「value_var==value 的占比」）。为保证完全控制力， 被测量的分类变量会被加入聚合键拆单元（每单元在该指示变量上纯）；遗留合格率即 value_var=outcome, value=1 的特例，逐字节兼容（无非 outcome 占比时不增加任何拆分）。target_check 增 value 列； 重复行判定改为按 variable/level/statistic/value_var/value 全键（故同一变量不同取值的两个占比目标可共存）。 这修正了路线图原草图「按分组单元聚合 + 存内部比例 ā_c、不拆单元」的设计隐患（那样无法复现 0/1 合格率 的控制力）：连续量用充分统计量（凸包控制），分类占比按指示变量拆纯单元（完全控制）。
• 新增交互（cross-classification）目标（方法论路线图 §六）：支持校准「城镇×男性」这类交叉分组的 合格率。目标表用冒号连接的复合 key——variable = "sex:residence"、level = "M:Urban"，内部按 : 拆分对各分量取交集 mask。make_rate_targets() 新增 interactions（与 interaction_priority）参数： interactions = list("sex:residence" = c("M:Urban" = 0.7))。交互目标只新增目标行、不自动新增边际 等式，soft/exact 均可用；各分量变量须在 group_vars 中，分量数须与水平数一致（否则报错）。 注意：水平值本身不可含冒号。
• 新增距离函数族（方法论路线图 §一）：distance 参数。calibrate_pass_rates() 与 calibrate_rates() 新增 distance = c("chi2", "raking", "logit")。"chi2"（默认）为原线性/卡方 距离，走 OSQP，行为与旧版完全一致（非破坏性）。"raking" 为熵距离 g log g - g + 1，解 g = exp(eta) 天然恒正（上方无界，lower/upper 不强制，越界倍数在诊断中报告）。"logit" 为有界 logit 距离，倍数解析地恒在 (lower, upper) 开区间内（要求 lower < 1 < upper），适合 需要硬性封顶极端权重的场景。raking 与 logit 均用对偶 Newton 迭代（纯 R + Matrix，含回溯线搜索） 求解，目标不可达时给出明确不收敛报错；二者当前仅支持 mode = "exact"。settings 记录 distance。 （soft 版 raking/logit 留作后续；“默认改 raking”已决定放弃——默认永久保持 chi2，raking/logit 仅 opt-in。）
• 新增 Excel 输入/输出（方法论路线图 §四）：read_calibration_data()、read_targets_xlsx() （表头容错，支持英文别名与中文表头）、calibrate_from_excel()（一步读数据+目标并求解，自动从 目标表推断分组变量）、export_calibration_xlsx()（导出 data/target_check/margin_check/ diagnostics/settings 多工作表）。依赖 openxlsx 走 Suggests，运行时 requireNamespace() 守卫，缺失即报安装提示；不引入任何核心依赖。中文表头别名在源码中以 Unicode 码点构造，保持 R 代码纯 ASCII。
• 新增 calibration_feasibility()：求解前目标可行性预检（方法论路线图 §三，收窄版）。 做两件确定性、闭式的检查：(1) 总体–分组一致性恒等式——某分组变量的每个水平都被目标覆盖时， 总体率被唯一确定（Σ W_ℓ·r_ℓ / W），据此抓出与显式总体目标或另一完整变量互相矛盾的目标；
  2. 单目标边际可达区间——组总量固定 + 倍数箱界下，组内加权率的闭式可达区间（两段 water-filling）， 目标落区间外即必不可行。配套 print.ratecalib_feasibility()。返回值含明确边界声明： 单目标筛查是必要非充分条件，联合可行仍以求解器为准。
• check_calibration_data() 接入一致性预检：求解前若分组目标隐含的总体率与显式总体目标 实质性不一致，会发出告警（calibrate_rates(check=TRUE) 默认路径也会触发）。新增参数 consistency_tol（默认 0.01）——仅在不一致超过该容差时告警，避免约数目标无法整除连续权重边际 导致的亚个百分点噪音；需要精确（exact 模式）分析请直接调用 calibration_feasibility()。
• R 代码全面英文化以满足 CRAN ASCII 可移植性要求：报错信息、print/summary/plot 输出、example_rate_data() 的类别值（现为 M/F、Urban/Rural、Edu1-5、Age1-5）均改为英文。
• 移除中文函数别名（校准合格率、生成目标表、检查校准数据、生成演示数据）；所有函数仅保留英文名。
• CRAN 准备：删除 DESCRIPTION 的 LazyData、补 methods 到 Imports、改写英文 Description、 修正 URL/BugReports 为真实仓库、as() 改用新版 Matrix 推荐写法、中文 PDF 手册移至 inst/manual/ 并改 ASCII 文件名。R CMD check --as-cran 现为 0 ERROR / 0 WARNING（仅余首次提交的 New submission NOTE）。
• 修复：make_rate_targets() 仅给 overall（不给任何分组）时会误报 “groups must be a named list” 与 “group_priority must be a scalar or a named vector”——现已支持仅总体目标的用法。
• 大幅扩充测试：新增 exact 模式达标与边际保持、soft 模式 achieved≈target、触界、错误路径、 check_calibration_data() 各分支、以及 print/summary/plot/calibration_diagnostics 等 S3 方法的覆盖。

ratecalib 0.2.1

• 全面改写中文README，加入理论、算法、参数、诊断、案例和常见问题。
• 新增一步式函数 calibrate_rates()。
• 新增中文别名：校准合格率()、生成目标表()、检查校准数据()、生成演示数据()。
• 新增 check_calibration_data()，在求解前检查权重、0/1结果、分组缺失、空类别及全0/全1类别。
• 新增 example_rate_data() 演示数据生成器。
• 中文化打印、摘要和绘图标题。
• 保留 calibrate_pass_rates() 作为完整专业接口。

ratecalib 0.1.0

• 初始版本。

These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.
Health stats visible at Monitor.