如何使用 simpleboot 包获得 CI 95% 的线性模型系数

Question

我正在尝试使用过程 lm() 预测线性模型（具有 4 个预测变量的基本线性回归）。这一切正常。

我现在要做的是 bootstrapping 模型。在快速研究 Google 之后，我发现了 simpleboot 这个包，它似乎很容易理解。

我可以很容易地 bootstrap lm.object 使用这样的东西：

boot_mod <- lm.boot(mod,R=100,rows=TRUE)

然后打印对象 boot_mod.

我还可以访问列表，其中每个 bootstrap 样本的系数都在其他指标中，例如 RSS、R² 等。

谁能告诉我如何将引导列表中的所有系数保存在列表或数据框中？

结果最好是这样的：

boot_coef

sample coef 1 coef 2 coef 3...
1      1,1    1,4    ...
2      1,2    1,5    ...
3      1,3    1,6    ...

library(tidyverse)
library(simpleboot)
### Some Dummy-Data in a dataframe
a <- c(3,4,5,6,7,9,13,12)
b <- c(5,9,14,22,12,5,12,18)
c <- c(7,2,8,7,12,5,3,1)
df <- as_data_frame(list(x1=a,x2=b,y=c))
### Linear model
mod <- lm(y~x1+x2,data=df)
### Bootstrap
boot_mod <- lm.boot(mod,R=10,rows = TRUE)

Answer 1

这是一个 tidyverse 选项，用于保存 boot.list 中的所有系数：

library(tidyverse)
as.data.frame(boot_mod$boot.list) %>% 
        select(ends_with("coef")) %>% # select coefficients
        t(.) %>% as.data.frame(.) %>% # model per row
        rownames_to_column("Sample")  %>% # set sample column
        mutate(Sample = parse_number(Sample))
# output
   Sample (Intercept)         x1          x2
1       1    5.562417 -0.2806786  0.12219191
2       2    8.261905 -0.8333333  0.54761905
3       3    9.406171 -0.5863124  0.07783740
4       4    8.996784 -0.6040479  0.06737891
5       5   10.908036 -0.7249561 -0.03091908
6       6    8.914262 -0.5094340  0.05549390
7       7    7.947724 -0.2501127 -0.08607481
8       8    6.255539 -0.2033771  0.07463971
9       9    5.676581 -0.2668020  0.08236743
10     10   10.118126 -0.4955047  0.01233728

Answer 2

也可以使用同一个包sample的功能simpleboot:

给定 lm.boot 或 loess.boot 的输出，您可以指定要提取的信息类型：

samples(object, name = c("fitted", "coef", "rsquare", "rss"))

它根据提取的实体输出向量或矩阵。

来源： https://rdrr.io/cran/simpleboot/man/samples.html

如何使用 simpleboot 包获得 CI 95% 的线性模型系数

How to get CI 95% for coefficients of linear model using simpleboot package

r

lm