Я сделал начальную загрузку со смешанной моделью (несколько переменных с взаимодействием и одна случайная величина). Я получил этот результат (только частичный):
> boot_out
ORDINARY NONPARAMETRIC BOOTSTRAP
Call:
boot(data = a001a1, statistic = bootReg, R = 1000)
Bootstrap Statistics :
original bias std. error
t1* 4.887383e+01 -1.677061e+00 4.362948e-01
t2* 3.066825e+01 1.264024e+00 5.328387e-01
t3* 8.105422e+01 2.368599e+00 6.789091e-01
t4* 1.620562e+02 4.908711e+00 1.779522e+00
......
Теперь я хотел получить доверительные интервалы для перехвата:
> boot.ci(boot_out,type=c("norm","basic","perc"), index=1)
BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 1000 bootstrap replicates
CALL :
boot.ci(boot.out = boot_out, type = c("norm", "basic",
"perc"), index = 1)
Intervals :
Level Normal Basic Percentile
95% (49.70, 51.41 ) (49.70, 51.41 ) (46.34, 48.05 )
Calculations and Intervals on Original Scale
Оцененное смещение исправлено:
48,873 -1,677
1 47,196
У меня проблема в том, что нормальный и базовый КИ находятся за пределами оценки (исходной и исправленной). Мне просто интересно, как с этим справиться.
Обновление 1:
вот похожие вопросы с большим количеством ответов.
r
confidence-interval
bootstrap
bias
Джордано
источник
источник
Ответы:
Трудность, с которой вы сталкиваетесь, связана с подразумеваемой математикой. Оценщик центра местоположения или интервал оценки можно рассматривать как минимизацию функции стоимости по распределению. Среднее значение выборки по гауссову минимизирует квадратичные потери, в то время как медиана минимизирует абсолютную линейную функцию потерь по гауссову. Хотя в популяции они находятся в одной и той же точке, они обнаруживаются с использованием различных функций стоимости.
Мы даем вам алгоритм и говорим «сделайте это», но до его разработки кто-то решил проблему оптимизации.
Вы применили четыре разные функции стоимости, которые дают вам три интервала и оценку в баллах. Поскольку функции стоимости разные, они дают вам разные точки и интервалы. С этим ничего не поделаешь, кроме как вручную унифицировать методологию.
Вам нужно найти основные документы и посмотреть на основной код, чтобы понять, какие из них соответствуют каким типам проблем.
Извините, что сказал это, но программное обеспечение вас предало. Он выполнил свою работу, и в среднем это работает отлично, но у вас есть пример, где программное обеспечение не будет работать. Или, скорее, он работает отлично, и вам нужно на самом деле пробираться назад по литературе, чтобы определить, что на самом деле делает.
источник