我有一个固定的设计回归问题,我试图获得引导BCa置信区间,使用R.这是一个例子(使用lmRob),但这仅用于说明:
require(robust)
data(stack.dat)
stack.rob <- lmRob(Loss ~ ., data = stack.dat)
summary(stack.rob)
Call:
lmRob(formula = Loss ~ ., data = stack.dat)
Residuals:
Min 1Q Median 3Q Max
-8.6299 -0.6713 0.3594 1.1507 8.1740
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -37.65246 5.00256 -7.527 8.29e-07 ***
Air.Flow 0.79769 0.07129 11.189 2.91e-09 ***
Water.Temp 0.57734 0.17546 3.291 0.00432 **
Acid.Conc. -0.06706 0.06512 -1.030 0.31757
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.837 on 17 degrees of freedom
Multiple R-Squared: 0.6205
Test for Bias:
statistic p-value
M-estimate 2.751 0.6004
LS-estimate 2.640 0.6197
R中有引导和引导程序包(并且代码为here,但它们都导出了非参数引导程序BCa置信区间 . 但这是一个固定设计的回归设置 . 因此我想知道是否有R软件可用于bootstrap BCa置信区间固定设计回归 . 使用lm的R软件包或类似软件的例子也可以 .
谢谢!
1 回答
我相信我有一个答案,改编自2002年R Journal的例子 .
下一个目标是包括模型中不同情况的权重 .