你没有给予足够的设计信息：哪些地理单元是分层的，哪些是聚类的。例如，我的猜测是，您对所有州的城市和农村都进行了抽样，但您没有对所有村庄进行抽样，但我不知道您是对所有区还是子区进行抽样。我也不知道您的总体抽样分数是大还是小（因此，替换近似值是否合适）
假设您只对一些地区进行抽样，因此地区是您的主要抽样单位，人口的总体抽样比例很小。

your_design <- svydesign(id=~district, weights=~weights,
 strata=~interaction(state, urban_rural,drop=TRUE), 
 data=your_data_frame)

也就是说，阶层是州和城市/农村的组合，任何不在数据集中的组合都不存在于人口中（可能有些州是全农村或全城市）。在每个阶层中，您有行政区，只有其中的“一些”出现在样本中。在地理层次结构中，行政区是“抽样”的第一个级别，而不是穷举。
除非您想指定不需要替换的完整多级设计，否则不需要fpc。
nest选项不是关于调查是如何进行的，而是关于变量是如何编码的，美国国家卫生统计中心（保佑他们的心）设置了很多设计，有很多层，每个层有两个主要抽样单元，他们称这些主要抽样单元为1和2;也就是说，它们在每个层中重用名称1和2。svydesign函数被设置为期望不同层中的 * 不同 * 采样单元名称，并且验证每个采样单元名称仅出现在一个层中。作为对数据错误的检查。对于NCHS调查和其他一些也重复使用抽样单位名称的调查，必须禁用这种检查。您可以在开始时省去nest选项;svydesign将告诉您是否可能需要它。
最后，模型：

svyglm(outcome ~ age + sex + income + marital_status + urban_or_rural_area,
  design=your_design, family=quasibinomial)

使用binomial或quasibinomial将给予 * 相同 * 的答案，但使用binomial将给出关于非整数权重的无害警告。如果使用quasibinomial，无害警告将被隐藏。