带“的自举置信区间”；Inf"；在最终估算中-启动/dplyr包

我试图从拟合模型（曲线的最大斜率）中引导一个值。虽然我认为代码可能更有效，但我认为它通常是有效的（关于如何提高效率的建议也会受到欢迎）。我遇到的问题是，当我得到最终样本值时，其中一个单元格中有

Inf

，这阻止了我获得置信区间。我不确定这是一个引导问题还是简单的编码方式。示例代码：

 library(boot)
 library(dplyr)
 df <- data.frame (id=rep(1:10,each=10),
                      time1=rep(1:10,10),
                      ff=runif(100, 100, 150),
                      gg=runif(100, 120, 170))



    set.seed(10)

#function
    maxx<-function(formula, data,varr,indices)  {
      data <- data[indices,] # allows boot to select sample 
      fit <- lm(formula, data=data)
      data$fit<-fit$fitted.values
      data<-filter(data,time1>5)
      data1<-data %>% group_by_(varr) %>% mutate(derivative = c(NA,diff(fit) / diff(time1))) %>%
        group_by(id) %>%
        slice(which.max(derivative)) %>%
        ungroup()  %>%
        as.data.frame()
      return(mean(data1$derivative,na.rm = TRUE))
    }

 res <- boot(data=df, statistic=maxx, 
                    R=10, formula=ff~gg,varr="id")

通过进一步探索，我们可以看到这一点：

R>res$t
            [,1]
 [1,] 0.50399242
 [2,] 0.52171509
 [3,] 0.04568459
 [4,] 1.41317481
 [5,] 0.39741115
 [6,] 0.10703703
 [7,] 0.52206909
 [8,] 0.91624253
 [9,]        Inf
[10,] 0.05076168


R>boot.ci(res, type="normal")
Error in ci.out[[4L]] : subscript out of bounds

---

也许我遗漏了什么，但我认为

返回（mean（data1$derivative，na.rm=TRUE））

可以解决

na

的任何问题。有人有什么建议吗？我猜这是个小问题。这是我第一次运行引导程序，如果我做了一些幼稚的事情，请道歉。如果有人知道如何使整个代码更高效，那将是非常好的，因为我运行的是一个大型随机效果模型，而不是简单的模型。谢谢

，因为

启动

使用替换重新采样，您可能会在给定的样本中获得给定id的重复时间1值。发生这种情况时，导数计算值

diff（fit）/diff（time）

计算为0/0，该值应返回NaN。对于

maxx

函数的其余部分，NaN值本身不应该是有问题的（虽然我不完全清楚您试图做什么），但我怀疑是由于浮点不准确

diff（fit）

有时返回非零值，这些值被零除后生成Inf或-Inf。

which.max

和

mean

函数不会忽略Inf，因此

maxx

函数有时会返回Inf

R>res$t
            [,1]
 [1,] 0.50399242
 [2,] 0.52171509
 [3,] 0.04568459
 [4,] 1.41317481
 [5,] 0.39741115
 [6,] 0.10703703
 [7,] 0.52206909
 [8,] 0.91624253
 [9,]        Inf
[10,] 0.05076168


R>boot.ci(res, type="normal")
Error in ci.out[[4L]] : subscript out of bounds