在R中使用boot:：boot（）函数和分组变量

这是一个关于对分组变量使用boot（）函数的问题，也是关于将多列数据传递到boot中的问题。几乎所有boot（）函数的示例似乎都通过一列数据来计算简单的平均值引导

我的具体分析是尝试使用stats:：weighted.mean（x，w）函数，该函数使用值的向量“x”来计算平均值，并使用第二个向量“w”来计算权重。主要的一点是，我需要两个输入到这个函数中，我希望这个解决方案可以推广到任何具有多个参数的函数

我还在寻找一个解决方案，在带有group_by（）变量的dplyr样式工作流中使用这个weighted.means函数。如果答案是“不能用dplyr完成”，那没关系，我只是想弄明白

下面我模拟了一个数据集，其中包含三个组（a、B、C），每个组都有不同的计数范围。我还尝试提出一个函数“my.function”，用于引导加权平均值。这可能是我的第一个错误：这就是我如何设置一个函数来将数据的“count”和“weight”列传递到每个引导样本中的方法吗？是否有其他方法来索引数据

在summary（）调用中，我使用“.”引用原始数据-可能是另一个错误

最终结果表明，我能够使用mean（）和weighted.mean（）实现适当的分组计算，但是使用boot（）调用置信区间，却计算了数据集全局平均值周围的95%置信区间

关于我做错了什么的建议？为什么boot（）函数引用的是整个数据集，而不是分组的子集

library(tidyverse)
library(boot)


set.seed(20)

sample.data = data.frame(letter = rep(c('A','B','C'),each = 50) %>% as.factor(),
                         counts = c(runif(50,10,30), runif(50,40,60), runif(50,60,100)),
                         weights = sample(10,150, replace = TRUE))



##Define function to bootstrap
  ##I'm using stats::weighted.mean() which needs to take in two arguments

##############
my.function = function(data,index){

  d = data[index,]  #create bootstrap sample of all columns of original data?
  return(weighted.mean(d$counts, d$weights))  #calculate weighted mean using 'counts' and 'weights' columns
  
}

##############

## group by 'letter' and calculate weighted mean, and upper/lower 95% CI limits

## I pass data to boot using "." thinking that this would only pass each grouped subset of data 
  ##(e.g., only letter "A") to boot, but instead it seems to pass the entire dataset. 

sample.data %>% 
  group_by(letter) %>% 
  summarise(avg = mean(counts),
            wtd.avg = weighted.mean(counts, weights),
            CI.LL = boot.ci(boot(., my.function, R = 100), type = "basic")$basic[4],
            CI.UL = boot.ci(boot(., my.function, R = 100), type = "basic")$basic[5])

下面，我粗略估计了全球平均值的95%置信区间，以表明这就是我在上面的summary（）调用中boot（）的情况

#Here is a rough 95% confidence interval estimate as +/-  1.96* Standard Error


mean(sample.data$counts) + c(-1,1) * 1.96 * sd(sample.data$counts)/sqrt(length(sample.data[,1]))

---

下面的base R解决方案解决了按组引导的问题。请注意，

boot:：boot

只调用一次

library(boot)

sp <- split(sample.data, sample.data$letter)
y <- lapply(sp, function(x){
  wtd.avg <- weighted.mean(x$counts, x$weights)
  basic <- boot.ci(boot(x, my.function, R = 100), type = "basic")$basic
  CI.LL <- basic[4]
  CI.UL <- basic[5]
  data.frame(wtd.avg, CI.LL, CI.UL)
})

do.call(rbind, y)
#   wtd.avg    CI.LL    CI.UL
#A 19.49044 17.77139 21.16161
#B 50.49048 48.79029 52.55376
#C 82.36993 78.80352 87.51872

---

dplyr

解决方案可以如下所示。它还从package

purr

调用

map\u-dfr

library(boot)
library(dplyr)

sample.data %>%
  group_split(letter) %>% 
  purrr::map_dfr(
    function(x){
      wtd.avg <- weighted.mean(x$counts, x$weights)
      basic <- boot.ci(boot(x, my.function, R = 100), type = "basic")$basic
      CI.LL <- basic[4]
      CI.UL <- basic[5]
      data.frame(wtd.avg, CI.LL, CI.UL)
    }
  )
#   wtd.avg    CI.LL    CI.UL
#1 19.49044 17.77139 21.16161
#2 50.49048 48.79029 52.55376
#3 82.36993 78.80352 87.51872

库（启动）
图书馆（dplyr）
sample.data%>%
分组（字母）%>%
purrr:：map\u dfr(
功能（x）{
平均值
library(boot)
library(dplyr)

sample.data %>%
  group_split(letter) %>% 
  purrr::map_dfr(
    function(x){
      wtd.avg <- weighted.mean(x$counts, x$weights)
      basic <- boot.ci(boot(x, my.function, R = 100), type = "basic")$basic
      CI.LL <- basic[4]
      CI.UL <- basic[5]
      data.frame(wtd.avg, CI.LL, CI.UL)
    }
  )
#   wtd.avg    CI.LL    CI.UL
#1 19.49044 17.77139 21.16161
#2 50.49048 48.79029 52.55376
#3 82.36993 78.80352 87.51872