R abc.ci 非参数 ABC 置信区间

说明

给定一组数据和参数估计量，使用数值微分计算参数的等尾两侧非参数近似自举置信区间。

用法

abc.ci(data, statistic, index=1, strata=rep(1, n), conf=0.95, 
       eps=0.001/n, ...)

参数

data	表示为向量、矩阵或 DataFrame 的数据集。
statistic	返回感兴趣的统计数据的函数。该函数必须至少有 2 个参数；第一个参数应该是数据，第二个参数应该是权重向量。传递给 statistic 的权重将在每个层内标准化为总和为 1。任何其他参数都应作为 ...{} 参数的一部分传递给 abc.ci。
index	如果 statistic 返回长度大于 1 的向量，则这表示感兴趣的变量在该向量内的位置。
strata	指示多样本问题中每个观测值属于哪个样本的因子或数值向量。默认情况下是单样本情况。
conf	包含所需区间置信水平的标量或向量。
eps	用于数值微分的 epsilon 值。
...	statistic 的任何其他参数。每次在 abc.ci 内调用时，它们都会原封不动地传递给 statistic 。

细节

该函数基于 R. Tibshirani 编写的函数abcnon。 DiCiccio 和 Efron (1996) 中提供了原始函数的列表。该函数对统计量的一阶和二阶导数使用数值微分，然后使用这些值来近似引导 BCa 区间。统计数据的评估总数为2*n+2+2*length(conf)，其中n 是数据点的数量(加上统计数据原始值的计算结果)。该函数适用于多个样本情况，无需以人工形式重写统计量，因为分层归一化是由函数内部完成的。

值

length(conf) x 3 矩阵，其中每行包含置信水平，后跟该水平 ABC 区间的下限和上限 end-points。

例子

# 90% and 95% confidence intervals for the correlation 
# coefficient between the columns of the bigcity data

abc.ci(bigcity, corr, conf=c(0.90,0.95))

# A 95% confidence interval for the difference between the means of
# the last two samples in gravity
mean.diff <- function(y, w)
{    gp1 <- 1:table(as.numeric(y$series))[1]
     sum(y[gp1, 1] * w[gp1]) - sum(y[-gp1, 1] * w[-gp1])
}
grav1 <- gravity[as.numeric(gravity[, 2]) >= 7, ]
## IGNORE_RDIFF_BEGIN
abc.ci(grav1, mean.diff, strata = grav1$series)
## IGNORE_RDIFF_END

参考

Davison, A.C. and Hinkley, D.V. (1997) Bootstrap Methods and Their Application, Chapter 5. Cambridge University Press.

DiCiccio, T. J. and Efron B. (1992) More accurate confidence intervals in exponential families. Biometrika, 79, 231-245.

DiCiccio, T. J. and Efron B. (1996) Bootstrap confidence intervals (with Discussion). Statistical Science, 11, 189-228.

也可以看看

boot.ci