Question

我正在尝试引导95％CI和测量值的平均值，以检查治疗的效果大小。我想要使用的方法称为LnRR或对数响应比（1，2，3）。它只是由Log(Response to treatment / Response to control)计算得出。如果95％CI与0不重叠，则效果自然超过95％。负LnRR意味着治疗具有负面影响。

启动包中的bootstrapping功能有点令人困惑，我正在努力计算95％的CI和平均值。我试过以下：

library(boot)
set.seed(2)
dat <- data.frame(treatment = rnorm(10, 1.2, 0.4), control = rnorm(10, 1.5, 0.3))

boot(dat, function(x) log(x[,1]/x[,2]), R = 999) # Because LnRR = log(dat[,1]/dat[,2])

我显然做错了什么。如何为这种类型的函数引导置信区间（boot.ci）？我确信答案是here，但由于某种原因，我无法理解如何做到这一点。

Answer 1

我同意boot synatax起初有点令人困惑。问题是你需要编写一个函数来获取你的数据，以及包含索引的向量i到子样本。让我们明确地重写你的函数，使它更清晰：

yourFun <- function(x, i) {
  xSub <- x[i, ] #resample x
  LnRR <- log(xSub[, 1])/xSub[ ,2]
  return(mean(LnRR))
}

然后以与你相同的方式或多或少地调用boot：

b <- boot(dat, yourFun, R=999)
plot(b) #always worth looking at

#Calculate ci's
boot.ci(b)

引导置信区间和对数响应比的平均值

1 个答案: