коэффициенты загрузки при множественной регрессии матриц расстояний (MRM)

Question

Я хочу оценить частотные распределения коэффициентов MRM для генерации 95% ДИ. Ниже приведен код:

library(ecodist) 
dat=data.frame(matrix(rnorm(3*25),ncol=3)) 
names(dat)<-c('Pred','Var1','Var2') 
mod<-MRM(dist(Pred) ~ dist(Var1) + dist (Var2), data=dat, nperm=100) 
slopes<-mod$coef 

Как я могу загрузить значения коэффициента?

Answer 1

Вы можете использовать функцию boot из библиотеки boot. Я не знаю ecodist::MRM. Хотя, здесь близко к копипастам примера со страницы справки о boot, который показывает, как сделать непараметрические самозагрузки оценок коэффициентов для lm модели и получить смещения и доверительных интервалы

> library(boot) 
> nuke <- nuclear[, c(1, 2, 5, 7, 8, 10, 11)] 
> nuke.lm <- lm(log(cost) ~ date+log(cap)+ne+ct+log(cum.n)+pt, data = nuke) 
> 
> nuke.fun <- function(dat, inds, i.pred, fit.pred, x.pred) 
+ { 
+ lm.b <- lm(log(cost) ~ date+log(cap)+ne+ct+log(cum.n)+pt, 
+    data = dat[inds, ]) 
+ coef(lm.b) 
+ } 
> 
> set.seed(45282964) 
> nuke.boot <- boot(nuke, nuke.fun, R = 999) 
> nuke.boot 

ORDINARY NONPARAMETRIC BOOTSTRAP 


Call: 
boot(data = nuke, statistic = nuke.fun, R = 999) 


Bootstrap Statistics : 
     original  bias std. error 
t1* -13.26031434 -0.482810992 4.93147203 
t2* 0.21241460 0.006775883 0.06480161 
t3* 0.72340795 0.001842262 0.14160523 
t4* 0.24902491 -0.004979272 0.08857604 
t5* 0.14039305 0.009209543 0.07253596 
t6* -0.08757642 0.002417516 0.05489876 
t7* -0.22610341 0.006136044 0.12140501 
> 
> boot.ci(nuke.boot, index = 2) # pick the covariate index you want 
BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS 
Based on 999 bootstrap replicates 

CALL : 
boot.ci(boot.out = nuke.boot, index = 2) 

Intervals : 
Level  Normal    Basic   
95% (0.0786, 0.3326) (0.0518, 0.3215) 

Level  Percentile   BCa   
95% (0.1033, 0.3730) (0.0982, 0.3688) 
Calculations and Intervals on Original Scale 
Warning message: 
In boot.ci(nuke.boot, index = 2) : 
    bootstrap variances needed for studentized intervals 

См Дэвисон , AC и Hinkley, DV (1997) Методы бутстрапа и их применение. Cambridge University Press для получения подробной информации о вышеупомянутом выходе. Вы должны подумать о том, чего хотите достичь при загрузке, и подумайте над тем, какую процедуру бутстрапа использовать.