引导示例意味着在 R 中使用引导包，为 boot() 函数创建统计函数

Question

我有一个包含 15 个密度计算的数据集，每个来自不同的横断面。 我想用替换对这些重新采样，从 15 个横断面中随机抽取 15 个样本，然后获得这些重新采样的平均值。 在此过程中，每个样带都应该有自己的个人概率被采样。 这应该做5000次。 我有一个代码可以在不使用引导函数的情况下执行此操作，但是如果我想使用引导包计算 BCa 95% CI，则需要首先通过引导函数完成引导。 我一直在尝试创建一个函数，但我无法得到任何似乎有效的函数。 我希望引导程序从某个列 (data$xs) 中进行选择，并且要使用的概率在列 data$prob 中。

我认为可能工作的功能是；

library(boot)
meanfun <- function (data, i){
    d<-data [i,]
    return (mean (d))   }
bo<-boot (data$xs, statistic=meanfun, R=5000)
#boot.ci (bo, conf=0.95, type="bca")  #obviously `bo` was not made

但这告诉我“维数不正确”

我理解如何在正常意义上创建一个函数，但该函数在 boot 中的工作方式似乎很奇怪。 由于该函数仅通过名称来引导，并且没有指定要传递给函数的参数，因此我似乎仅限于引导本身将作为参数传递的内容（例如，我无法将 data$xs 作为参数传递给函数）数据，我无法将 data$prob 作为概率参数传递，等等）。 它似乎真的限制了可以做的事情。 也许我错过了什么？

感谢您的任何帮助

Answer 1

此错误的原因是data$xs返回一个向量，然后您尝试按data [i, ]进行子集化。

解决此问题的一种方法是将其更改为data[i]或使用data[, "xs", drop = FALSE]代替。 drop = FALSE避免了类型强制，即。 将其保留为data.frame 。

我们尝试

data <- data.frame(xs = rnorm(15, 2))

library(boot)
meanfun <- function(data, i){
  d <- data[i, ]
  return(mean(d))   
}
bo <- boot(data[, "xs", drop = FALSE], statistic=meanfun, R=5000)
boot.ci(bo, conf=0.95, type="bca")

并获得：

BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 5000 bootstrap replicates

CALL : 
boot.ci(boot.out = bo, conf = 0.95, type = "bca")

Intervals : 
Level       BCa          
95%   ( 1.555,  2.534 )  
Calculations and Intervals on Original Scale

Answer 2

可以使用 boot.array 提取所有或一部分重采样集。 在这种情况下：

bo.ci<-boot.ci(boot.out = bo, conf = 0.95, type = "bca")


resampled.data<-boot.array(bo,1)

提取第一组和第二组重采样数据：

resample.1<-resampled.data[1,]
resample.2<-resampled.data[2,]

然后继续从任何子集中提取您想要的单个统计信息。 例如，如果您假设正常，您可以在第一个子集上运行学生的 t.test：

t.test(resample.1)

对于这个例子和特定的种子值给出：

数据：resample.1
t = 6.5216，df = 14，p 值 = 1.353e-05
备择假设：真实均值不等于 0
95% 置信区间：
5.234781 10.365219
样本估计：
x 的平均值
7.8

r 重采样boot.array