如果我想使用boot()
Rboot
包中的函数来计算两个向量之间的 Pearson 相关系数的显着性,我应该这样做:
boot(re1, cor, R = 1000)
re1
这两个观察向量的两列矩阵在哪里?cor
由于这些向量 is ,我似乎无法正确理解0.8
,但上面的函数返回-0.2
as t0
。
如果我想使用boot()
Rboot
包中的函数来计算两个向量之间的 Pearson 相关系数的显着性,我应该这样做:
boot(re1, cor, R = 1000)
re1
这两个观察向量的两列矩阵在哪里?cor
由于这些向量 is ,我似乎无法正确理解0.8
,但上面的函数返回-0.2
as t0
。
只是为了强调 R 中引导的总体思路,尽管@caracal 已经通过他的评论回答了你的问题。使用时boot
,需要有可以按行采样的数据结构(通常是矩阵)。您的统计数据的计算通常在一个函数中完成,该函数接收此数据矩阵并返回重采样后计算的感兴趣的统计数据。然后,调用boot()
负责将此函数应用于R
复制并以结构化格式收集结果的 。boot.ci()
可以依次使用这些结果来评估这些结果。
以下是包中low birth baby
研究的两个工作示例MASS
。
require(MASS)
data(birthwt)
# compute CIs for correlation between mother's weight and birth weight
cor.boot <- function(data, k) cor(data[k,])[1,2]
cor.res <- boot(data=with(birthwt, cbind(lwt, bwt)),
statistic=cor.boot, R=500)
cor.res
boot.ci(cor.res, type="bca")
# compute CI for a particular regression coefficient, e.g. bwt ~ smoke + ht
fm <- bwt ~ smoke + ht
reg.boot <- function(formula, data, k) coef(lm(formula, data[k,]))
reg.res <- boot(data=birthwt, statistic=reg.boot,
R=500, formula=fm)
boot.ci(reg.res, type="bca", index=2) # smoke