The hardware and bandwidth for this mirror is donated by METANET, the Webhosting and Full Service-Cloud Provider.
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[@]metanet.ch.

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.