7

我刚刚开始尝试通过 scikits 提供的一个不错的引导程序包： https ://github.com/cgevans/scikits-bootstrap

但是我在尝试从线性回归估计相关系数的置信区间时遇到了一个问题。返回的置信区间完全位于原始统计数据的范围之外。

这是代码：

import numpy as np
from scipy import stats
import bootstrap as boot

np.random.seed(0)
x     = np.arange(10)
y     = 10 + 1.5*x + 2*np.random.randn(10)
r0    = stats.linregress(x, y)[2]

def my_function(y):
    return stats.linregress(x, y)[2]

ci    = boot.ci(y, statfunction=my_function, alpha=0.05, n_samples=1000, method='pi')

这会产生 ci = [-0.605, 0.644] 的结果，但原始统计量是 r0=0.894。

我已经在 R 中尝试过这个，它似乎在那里工作正常： ci 像预期的那样跨越 r0。

请帮忙！

4

1 回答 1

10

你能提供你的R代码吗？我很想知道在 R 中如何处理这个问题。

这里的问题是您只传递y给 boot.ci，但每次运行 my_function 时，它都会使用整个原始文件x（注意 my_function 缺少 x 输入）。Bootstrapping 将统计函数应用于重新采样的数据，因此如果您使用原始数据x和 的样本应用统计函数y，您将得到一个荒谬的结果。这就是为什么 BCA 方法实际上根本不起作用的原因：它不能将您的统计函数应用于不具有相同数量元素的折刀样本。

样本沿轴 0（行）获取，因此如果您想将多个 1D 数组传递给统计函数，可以使用多个列：xy = vstack((x,y)).T会起作用，然后使用从这些列获取数据的 statfunction：

def my_function(xysample):
    return stats.linregress(xysample[:,0], xysample[:,1])[2]

或者，如果您想完全避免弄乱您的数据，您可以定义一个对索引进行操作的函数，然后将索引传递给 boot.ci：

def my_function2(i):
    return stats.linregress(x[i], y[i])[2]

boot.ci(np.arange(len(x)), statfunction=my_function2, alpha=0.05, n_samples=1000, method='pi')

请注意，在这两种情况下，BCA 都有效，因此您也可以使用 method='bca' ，除非您确实想使用百分比间隔；BCA 几乎总是更好。

我确实意识到这两种方法都不理想。老实说，我从来不需要将这样的多个数组传递给我的 statfunction，而且大多数人可能都将mean其用作他们的 statfunction。我认为这里最好的想法可能是允许传递相同大小 [0] 数组的列表，例如 ，boot.ci([x,y],...)然后同时对所有这些进行采样，并将它们作为单独的参数传递给 statfunction。在这种情况下，你可以只拥有一个my_function(x,y). 我会看看我是否能做到这一点，但如果你能告诉我你的 R 代码，那就太好了，因为我想看看是否有更好的方法来处理这个问题。

更新：

在最新版本的 scikits.bootstrap (v0.3.1) 中，可以提供一组数组，其中的样本将作为单独的参数传递给 statfunction。此外，statfunction 可以提供数组输出，并且将为输出中的每个点计算置信区间。因此，现在这很容易做到。以下将为 linregress 的每个输出提供置信区间：

cis = boot.ci( (x,y), statfunction=stats.linregress )

cis[:,2]在这种情况下，将是所需的置信区间。

于 2013-05-23T07:03:29.273 回答