R自举重采样，每个id有多个观测值，并返回重采样数据作为结果

Question

我正在尝试对我的数据进行引导。我的数据(df)具有以下形状。

id    v1    v2
1    1    1
1    0    1
1    0    1
2    2    0
2    1    1
2    0    0

据我所知，在R中初始化bootstrap时，重采样(使用reoplacement)是在行级别进行的，对吗？

所以设置某物。像这样：

boot_function <- function(data, i)
{boot_data <- data[i,]}

然而，我的第一个问题是，在每个id都有几个观察值需要保存在bootstrap中的情况下，我该如何设置它？因此，在我的示例中，当执行bootstrap时，我不能简单地在行之间采样，但我需要在ids中采样。因此，不是像上面那样

我用的是这个：

boot_function2 <- function(data, i)
{boot_data <- data[data$id %in% i,]}

这是正确的方式吗？

关于上面的场景，我想检查我的方法是否正确，所以我想我只是检查重采样是什么样子的，但我不知道如何返回单个引导样本数据帧。有什么想法吗？(我知道，如果我的原始数据很大，并且我正在进行2000次复制，那么返回的对象可能会相当大，所以我可能只想用R=10检查一下)。

Answer 1

这是一种方法。我将首先生成一些假数据：

ids <- rep(1:3, times = 10)
values <- rnorm(30)

dat <- data.frame(ids, values)

现在我们有了数据，我们可以生成集群引导函数。这将从每个集群中采样并返回一个新的数据帧。然后，您可以应用您的测试统计数据：

library(tidyverse)

cluster_boot_function <- function(x){

  clusted_boot <- dat %>% 
    group_by(ids) %>% 
    nest() %>%
    mutate(samps = map(data, ~sample(.$values, size = 5, replace = T))) %>% 
    select(ids, samps) %>% 
    unnest(cols = samps)


  results <- clusted_boot %>% 
    group_by(ids) %>% 
    summarise(mu = mean(values))

  results
}

现在您只需要重复应用它(还要注意，函数中的"x“不做任何事情，我只是在下一步需要它)。

在这里，我使用map_dfr返回每次迭代的汇总统计信息：

out <- map_df(1:100, cluster_boot_function, .id = "iteration")

这将为您提供每次bootstrap迭代的统计信息：

# A tibble: 300 x 3
   iteration   ids    mu
   <chr>     <int> <dbl>
 1 1             1 0.150
 2 1             2 0.150
 3 1             3 0.150
 4 2             1 0.150
 5 2             2 0.150
 6 2             3 0.150
 7 3             1 0.150
 8 3             2 0.150

由此，您可以将其扩展到您需要执行的任何类型的建模。