当样本不符合理论分布假设时,求样本统计量的置信区间就成为一个难题。而自助法(Bootstrap)的思路是对原始样本重复抽样产生多个新样本,针对每个样本求取统计量,然后得到它的经验分布,再通过求经验分布的分位数来得到统计量的置信区间,这种方法不需要对统计量有任何理论分布的假设。一般认为,只要样本具有代表性,采用自助法需要的原始样本只要20-30个,重复抽样1000次就能达到满意的结果。 在R中进行自助法是利用boot扩展包,其流程如下:
让我们用mtcars数据集来作为例子,我们可以将wt和disp作为自变量,mpg 作为因变量,进行回归后能得到一系列回归统计量。其中我们感兴趣的是判定系数R-square,希望用自助法求它的95%置信区间。 首先定义求R-square的函数,注意其中的indices是必不可少的参数,另外一个参数代表样本数据 ------------------------ rsq=function(data,indices){ d=data[indices,] fit=lm(formula=mpg~wt+disp,data=d) return(summary(fit)$r.square) } ------------------------ 载入boot扩展包,将随机种子设为1234,以方便得到相同的结果,再利用boot函数得到结果results,其中R表示重复抽样得到1000个样本 ------------------------ library(boot) set.seed(1234) results=boot(data=mtcars,statistic=rsq,R=1000) print(results) plot(results) ------------------------
results这个数据结构中包括了原始样本的统计量(results$t0)和再抽样样本的统计量(results$t0),上图左侧的直方图表示了再抽样样本的统计量的经验分布,其中的虚线表示了原始样本的统计量,从中可以观察到偏差。右侧QQ图有助于判断经验分布是否正态。下面我们用boot.ci函数从结果中提取置信区间。 ------------------------ boot.ci(results,conf=0.95,type=c('perc','bca')) ------------------------ 其中conf表示置信水平,type表示了用何种算法来求区间,perc即使用百分位方法,bca表示adjusted bootstrap percentile,即对偏差进行了调整。结果如下:
BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 1000 bootstrap replicates
CALL :
boot.ci(boot.out = results, conf = 0.95, type = c("perc", "bca"))
Intervals :
Level Percentile BCa
95% ( 0.6838, 0.8833 ) ( 0.6344, 0.8549 )
来源:http://www.r-bloggers.com/lang/chinese/540
1、回复“数据分析师”查看数据分析师系列文章
2、回复“案例”查看大数据案例系列文章
3、回复“征信”查看相关征信的系列文章
4、回复“可视化”查看可视化专题系列文章
5、回复“SPPS”查看SPSS系列文章
6、回复“答案”查看hadoop面试题题目及答案
7、回复“爱情”查看大数据与爱情的故事
8、回复“笑话”查看大数据系列笑话
9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载
PPV课大数据ID: ppvke123 (长按可复制)
大数据人才的摇篮!专注大数据行业人才的培养。每日一课,大数据(EXCEL、SAS、SPSS、Hadoop、CDA)视频课程。大数据资讯,每日分享!数据咖—PPV课数据爱好者俱乐部!