如何引导关于主体内信息？

Question

这是我第一次在这个论坛上发帖，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，请让我知道！

我正在尝试通过自举获得交互(这是我的测试统计数据)的95%置信区间(CI)。我使用的是"boot“包。我的问题是，对于每个重采样，我希望在受试者中进行随机化，以便不同受试者的观察结果不会混合。下面是生成与我的类似的数据帧的代码。如您所见，我有两个主题内因素("Num“和"Gram”，我对两者之间的交互很感兴趣)：

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) 

这是我用来获得经验相互作用值的代码：

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

如你所见，我的两个因子之间的交互作用是-348。我想要获得这个统计数据的bootstrap置信区间，我可以使用"boot“包生成它：

# 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，我认为重采样应该在不混合单个对象观察的情况下生成:也就是说，为了生成新的重采样，来自主题1 (S1)的观察应该在主题1中进行混洗，而不是将它们与来自主题2的观察混合，依此类推。我不知道"boot“是如何做重采样的(我读了文档，但不理解函数是如何做的)

有人知道我如何确保"boot“使用的重采样过程尊重主题级别信息吗？

非常感谢你的帮助/建议！

Answer 1

只需修改对boot()的调用，如下所示：

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

?boot提供了对strata=参数的描述，它完全符合您的要求：

层:指定用于多样本问题的层的整数向量或因子。这可以为任何模拟指定，但当‘sim=“参数”时被忽略。当为非参数引导提供了‘strata’时，将在指定的层内进行模拟。

补充说明：

要确认它是否按您希望的方式工作，可以调用debugonce(boot)，运行上面的调用，逐步执行调试器，直到分配了对象i (其行包含用于对data的行重采样以创建每个引导重采样的索引)，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以离开调试器。)