我试图在本质上是面板数据集的情况下产生精度变化（基于估计的置信区间）。
所以作为一个简单的例子，这是我编写的函数并将其应用于一个无意义的例子......
precision.gain <- function(x){
x <- ts(x, start=x[1])
x.length <- seq(length = length(x))
x.lag <- lag(x, -1)
x.gain <- ((x - x.lag) * 100) / x
x.gain <- c(NA, x.gain)
x.gain
}
t <- data.frame(x=1:20)
t <- cbind(t, precision.gain(t$x))
t
x precision.gain(t$x)
1 1 NA
2 2 50.000000
3 3 33.333333
4 4 25.000000
5 5 20.000000
6 6 16.666667
7 7 14.285714
8 8 12.500000
9 9 11.111111
10 10 10.000000
11 11 9.090909
12 12 8.333333
13 13 7.692308
14 14 7.142857
15 15 6.666667
16 16 6.250000
17 17 5.882353
18 18 5.555556
19 19 5.263158
20 20 5.000000
这很有效，很好，但我遇到了麻烦（或更可能是误解）如何（t？）将它应用到我的数据框，其中的样本是....
subset(results.normal.sum, n2 > 20 & n2 < 30, select=c(sd2, n2, ci.width1))
sd2 n2 ci.width1
11 0.4 22 0.6528714
12 0.4 24 0.6167015
13 0.4 26 0.5895856
14 0.4 28 0.5658297
46 0.6 22 0.6529126
47 0.6 24 0.6196544
48 0.6 26 0.5922061
49 0.6 28 0.5642688
81 0.8 22 0.6513849
82 0.8 24 0.6194468
83 0.8 26 0.5923094
84 0.8 28 0.5636396
116 1.0 22 0.6522927
117 1.0 24 0.6191043
118 1.0 26 0.5900129
119 1.0 28 0.5652429
151 1.2 22 0.6518072
152 1.2 24 0.6193353
153 1.2 26 0.5892683
154 1.2 28 0.5632235
186 1.4 22 0.6527031
187 1.4 24 0.6191458
188 1.4 26 0.5899453
189 1.4 28 0.5640431
221 1.6 22 0.6521401
222 1.6 24 0.6191883
223 1.6 26 0.5893458
224 1.6 28 0.5637215
256 1.8 22 0.6512491
257 1.8 24 0.6180401
258 1.8 26 0.5905810
259 1.8 28 0.5647388
291 2.0 22 0.6515769
292 2.0 24 0.6183121
293 2.0 26 0.5896990
294 2.0 28 0.5663394
我试过使用 Hadley Wickham 的 plyr 包中的 ddply() .....
ddply(results.normal.sum, .(sd2), precision.gain, x=ci.width1)
Error in .fun(piece, ...) : unused argument(s) (piece)
直接使用 tapply() 我有点到了那里，但它没有返回可以是 cbind()....
> tapply(results.normal.sum$ci.width1, sd2, precision.gain)
$`0.4`
[1] NA -771.332292 -68.852635 -30.514545 -19.877447 -14.515380
[7] -11.147183 -9.282641 -7.680418 -6.836209 -5.954992 -5.865053
[13] -4.599158 -4.198409 -4.155838 -3.529773 -3.590234 -3.432364
[19] -2.899601 -3.092533 -2.721967 -2.506706 -2.498318 -2.321500
[25] -2.299822 -2.187855 -2.116990 -1.896162 -1.853487 -1.604902
[31] -2.194138 -1.473042 -1.710051 -1.701994 -1.417754
$`0.6`
[1] NA -756.196418 -68.222048 -30.566420 -19.216860 -15.162929
[7] -10.645899 -9.628775 -7.326799 -7.178820 -5.770681 -5.367216
[13] -4.634938 -4.951049 -3.949776 -3.761633 -3.326209 -3.387764
[19] -3.009317 -3.074398 -2.397660 -2.678573 -2.626077 -2.268373
[25] -2.426720 -1.956498 -2.119986 -1.859410 -1.992678 -1.707448
[31] -1.991583 -1.595951 -1.765913 -1.415065 -1.655725
....
我觉得我很亲密，但我想念或误解了一些东西。
我在这里发现了一个类似的问题，但只是不理解提供的答案/解决方案。
提前感谢您的帮助，
松紧线