R：从自举结果的向量计算BCa

Question

我正在寻找一种方法来计算R中的偏差校正加速置信区间，使用自举结果向量（这是人口增长率的自助估计 - lambda）。但是，我发现的包要么使用特定的对象类型（如“boot”包中），要么不计算BCa类型的置信区间。我使用for循环引导结果然后将结果存储在向量中的原因是，对于每个bootstrap重新采样，我首先获得80 x 33结果矩阵，该结果定义了每年采样中每个群体的参数，为每个人口定义lambda。据我所知，这在启动包中很麻烦，很容易编程为for循环。实际的功能集相当复杂，不能包含在这里。

我确实尝试使用这个问题作为伪造“引导”对象的指南，但它不起作用：How can I use pre bootstrapped data to obtain a BCa confidence interval?。

让我说我有我观察到的λ估计

lambda = 1.18

并且我们模拟了自举估计的向量

library(fGarch)
lambdaBS = rsnorm(999,mean=lambda-0.04,sd=0.11,xi=2.5)
plot(density(lambdaBS))

这是正确的倾斜和偏见。

我希望，使用这些信息，目前存在一个计算BCa置信区间的函数，或者很容易编程函数来这样做。到目前为止，我还没有发现这种情况。

Answer 1

就像R的情况一样，某些实用程序在包之间传播得很远，有一个简单的解决方案，但我花了几个小时的搜索才能找到，所以我会回答我自己的问题，任何可能正在寻找某些东西的人类似。

使用问题中的示例数据，“coxed”R包中的bca函数为自举结果的向量提供偏差校正和加速置信区间。我们可以将它们与其他置信区间进行比较。

library(fGarch)
library(coxed)

set.seed(15438)

#simulate bootstrap statistics
lambdaBS = rsnorm(9999,mean=lambda-0.04,sd=0.11,xi=2.5)

#bias-corrected and accelerated
bca(lambdaBS)

1.002437 1.452525

#confidence intervals using standard error (inappropriate)
c(lambda-(sd(lambdaBS)*2),lambda+(sd(lambdaBS)*2))

0.9599789 1.4000211

#percentile confidence intervals
quantile(lambdaBS, c(0.025,0.975))

    2.5%     97.5% 
0.9895892 1.4016528 

这似乎运作良好。我不确定它如何纠正偏差而不需要对所讨论的统计量进行初步估计，但是还没有阅读这种方法所基于的论文。

另一个模拟显示了这与使用boot和boot.ci的结果相比较。

library(boot)

#generate data
set.seed(12345)
dat = rsnorm(500,mean=1.6,sd=0.5,xi=3.0)

#bootstrap the median
meanfun = function(x,id){ mean(x[id])}
test = boot(data=dat,R=999,statistic=meanfun)

#BCa using boot.ci
boot.ci(test,type="bca")

BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 999 bootstrap replicates

CALL : 
boot.ci(boot.out = test, type = "bca")

Intervals : 
Level       BCa          
95%   ( 1.537,  1.626 )  
Calculations and Intervals on Original Scale


#BCa using bca function from coxed package
bca(test$t)

 1.536888 1.625524

在这种情况下，两个函数都给出相同的结果。