r - 如何引导尊重主题内信息？

Question

这是我第一次在这个论坛发帖，我想从一开始就说我不是一个熟练的程序员。因此，如果问题或代码不清楚，请告诉我!

我正在尝试通过引导来获得交互的 95% 置信区间 (CI)(即我的测试统计量)。我正在使用“引导”包。我的问题是，对于每个重新采样，我希望在受试者内进行随机化，以便不同受试者的观察结果不会混合。这是生成类似于我的数据帧的代码。如您所见，我有两个被试内因素(“Num”和“Gram”，我对两者之间的相互作用感兴趣):

Subject = rep(c("S1","S2","S3","S4"),4)
Num     = rep(c("singular","plural"),8) 
Gram    = rep(c("gram","gram","ungram","ungram"),4)
RT      = c(657,775,678,895,887,235,645,916,930,768,890,1016,590,978,450,920)
data    = data.frame(Subject,Num,Gram,RT) 

这是我用来获取经验交互值的代码:

summary(lm(RT ~ Num*Gram, data=data))

如您所见，我的两个因子之间的交互作用是 -348。我想获得这个统计的引导置信区间，我可以使用“引导”包生成:

# You need the following packages
install.packages("car") 
install.packages("MASS")
install.packages("boot")
library("car")
library("MASS")
library("boot")

#Function to create the statistic to be boostrapped
boot.huber <- function(data, indices) {
data <- data[indices, ] #select obs. in bootstrap sample
mod <- lm(RT ~ Num*Gram, data=data)
coefficients(mod)       #return coefficient vector
}

#Generate bootstrap estimate
data.boot <- boot(data, boot.huber, 1999)

#Get confidence interval
boot.ci(data.boot, index=4, type=c("norm", "perc", "bca"),conf=0.95) #4 gets the CI for the interaction

我的问题是，我认为应该在不混合单个主题观察的情况下生成重新采样:也就是说，要生成新的重新采样，来自主题 1 (S1) 的观察应该在主题 1 中混洗，而不是将它们与来自主题的观察混合2，等等......我不知道“引导”是如何进行重采样的(我阅读了文档，但不明白该功能是如何进行的)

有谁知道我如何确保“引导”使用的重采样程序尊重主题级别信息？

非常感谢您的帮助/建议!

Answer 1

只需将您的电话修改为 boot()像这样:

data.boot <- boot(data, boot.huber, 1999, strata=data$Subject)

?boot提供了对 strata= 的描述论点，这正是您所要求的:

strata: An integer vector or factor specifying the strata for multi-sample problems. This may be specified for any simulation, but is ignored when ‘sim = "parametric"’. When ‘strata’ is supplied for a nonparametric bootstrap, the simulations are done within the specified strata.

附加说明:

要确认它是否按您的意愿工作，您可以调用 debugonce(boot) ，运行上面的调用，并逐步调试调试器，直到对象 i (其行包含用于重新采样 data 的行以创建每个 bootstrap 重新采样的索引)已分配，然后查看它。

debugonce(boot)
data.boot <- boot(data, boot.huber, 1999, strata=data$Subject)
# Browse[2]>
## [Press return 34 times]
# Browse[2]> head(i)
#      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14]
# [1,]    9   10   11   16    9   14   15   16    9     2    15    16     1    10
# [2,]    9   14    7   12    5    6   15    4   13     6    11    16    13     6
# [3,]    5   10   15   16    9    6    3    4    1     2    15    12     5     6
# [4,]    5   10   11    4    9    6   15   16    9    14    11    16     5     2
# [5,]    5   10    3    4    1   10   15   16    9     6     3     8    13    14
# [6,]   13   10    3   12    5   10    3    4    5    14     7    16     5    14
#      [,15] [,16]
# [1,]     7     8
# [2,]    11    16
# [3,]     3    16
# [4,]     3     8
# [5,]     7     8
# [6,]     7    12

(您可以随时输入 Q 退出调试器。)