R语言使用BOOT重抽样获取回归方程系数95%可信区间（1）_r语言boot函数statistic参数

bootstrap自采样目前广泛应用与统计学中，其原理很简单就是通过自身原始数据抽取一定量的样本（也就是取子集），通过对抽取的样本进行统计学分析，然后继续重新抽取样本进行分析，不断的重复这一过程N（大于500次以上）次，然后得到N个统计结果，然后进行区间分析，得到最终结果。

bootstrap自采样对于小样本数据计算效果较好，也可以在线性方程中通过bootstrap自采样计算并绘制出可信区间。本期我们将通过R语言演示BOOT重抽样进行回归方程系数的可信区间计算。
我们先导入数据和R包

library(boot)
bc<-read.csv("E:/r/test/zaochan.csv",sep=',',header=TRUE)
bc <- na.omit(bc)
1
2
3

这是一个关于早产低体重儿的数据（公众号回复：早产数据，可以获得该数据），低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数
bwt 新生儿体重数值。
先把分类变量转成因子

bc$race<-ifelse(bc$race=="black",1,ifelse(bc$race=="white",2,3))
bc$smoke<-ifelse(bc$smoke=="nonsmoker",0,1)
bc$low<-factor(bc$low)
bc$race<-factor(bc$race)
bc$ht<-factor(bc$ht)
bc$ui<-factor(bc$ui)
1
2
3
4
5
6

建立回归方程

fit<-glm(low ~ age + lwt + race + smoke + ptl + ht + ui + ftv,
         family = binomial("logit"),
         data = bc)
summary(fit)
1
2
3
4

在这里R已经把标准误计算出来了，我们等会使用BOOT计算和它进行个比较。进行BOOT之前要先写个简单的function，非常简单就是用function包住回归方程就可以了

model_coef <- function(data,index){
  coef(glm(low ~ age + lwt + race + smoke + ptl + ht + ui + ftv,
           family = binomial("logit"),
           data =bc,subset =index))
  }
1
2
3
4
5

写好以后我们要调试一下function看写得对不对，写不对的话重抽样不可能成功。我们对代码取了一个子集，其实也相当于1次重抽样

model_coef(bc,1:100)
1

OK，写得function没问题后就可以重抽样了。Data为抽样的数据，statistic为抽样的函数，R为抽样的次数，我这里抽500次。

results <- boot(data=bc, statistic=model_coef, R=500)
1

把结果导出，它这里是按1-10排序的，自己对照一下就可以了，t2是age这个变量,有了标准误就可以轻易计算可信区间了。

print(results)
1

还可以查看它的抽样分布

plot(results)
1

本章先介绍一个简单的抽样模型，再慢慢深入，BOOT重抽样内容预计3个章节介绍完。