frair_boot()返回警告-使用的极端分位数。间隔是不稳定的

Question

我试图为我的主项目引导我的功能响应数据。我在看身体大小是如何影响功能反应的！对于“大”小龙虾，引导返回非常正常的置信区间，没有警告。对于“小”小龙虾，我收到了这样的警告：“注1:警告:使用的极限分位数。间隔会不稳定的！“

我的代码做错了什么吗？这些数据与“大”数据的结构相同，具有相同的重复。下面是“小”数据的代码：

set.seed(42)
# Bootstrap the small data
smallIIb <- frair_boot(smallII)
confint(smallIIb, citypes = 'bca')

BOOTSTRAPPING.
NB: This function calls the lambertW function. Please be patient.
Coefficient  CI Type        Lower   Upper   Notes   
a            BCa            1.314   193.615 1
h            BCa            0.014   0.031   1
Note 1: Warning: Extreme quantiles used. Intervals will be unstable!

这是返回正常CIs的“大”数据。只是完全搞不懂发生了什么。

所以你可以看到，下面的“大”数据已经返回正常的顺式数据，而上面的“小”数据没有返回。我能修复这个问题吗？

set.seed(42)
# Bootstrap the big data
bigIIb <- frair_boot(bigII)
confint(bigIIb, citypes = 'bca')


BOOTSTRAPPING.
NB: This function calls the lambertW function. Please be patient.
Coefficient  CI Type        Lower   Upper   
a            BCa            3.418   9.193   
h            BCa            0.007   0.012   

Answer 1

BCa区间也是分位数区间，它只是不像传统的分位数间隔(采用(alpha/2, 1-(alpha/2))间隔)，它采取(alpha1, alpha2)间隔，其中：

偏倚校正是：

该分数表示自举统计量比对全部数据估计的原始统计量所占的比例，然后该比例被用作正态分布分位数函数的输入。还有一个加速常数：

这纠正了引导样本的偏度。带有(i)下标的T是被引导的统计量的值，T是带有(.)的值。下标是所有斜切T值的平均值。

结果为alpha1和alpha2。警告告诉您，这些值在尾部非常远，其中alpha1接近最小值，而/或alpha2接近引导统计信息的最大值。该警告表明，在重复采样时，尾部的这些值是不稳定的。如果你再一次抨击引导算法，你可能会得到完全不同的置信区间。

主要的问题是你能修好它吗？也许，如果您可以用您的代码和数据更新这个问题，我们也许可以帮助您解决一些问题。首先，我想知道你是否有一些有问题的离群值，或者你是否有一个可以接受非线性变换的扭曲变量(例如，log，Box)？任何可以减少引导统计分布的偏斜性的方法都可能会有所帮助。