伯努利数据模型的Rao评分测试的R代码是否正确？

Question

我是一个完整的统计菜鸟和R的新手，因此这个问题。当我的data是二进制且每个观察都有bernoulli分布时，我已经尝试为特定情况找到Rao score的实现。我在R语言中偶然发现了anova但却未能理解如何使用它。因此，我尝试自己为这个特定案例实施Rao得分：

rao.score.bern <- function(data, p0) {
  # assume `data` is a list of 0s and 1s
  y <- sum(data)
  n <- length(data)
  phat <- y / n

  z <- (phat - p0) / sqrt(p0 * (1 - p0) / n)
  p.value <- 2 * (1 - pnorm(abs(z)))
}

我很确定我的代码中存在一个错误，因为它在以下场景中只生成两个不同的p值：

p0 <- 1 / 4
p <- seq(from=0.01, to=0.5, by=0.01)
n <- seq(from=5, to=70, by=1)
g <- expand.grid(n, p)

data <- apply(g, 1, function(x) rbinom(x[1], 1, x[2]))
p.values <- sapply(data, function(x) rao.score.bern(x[[1]], p0))

有人可以告诉我问题在哪里吗？你能否指点我在​​R？

的内置解决方案

Answer 1

首先测试，然后调试。

测试

rao.score.bern是否有效？

  

rao.score.bern（c（0,0,0,1,1,1），1/6））

这返回......没有！通过替换

的终极线来修复它

2 * (1 - pnorm(abs(z)))

这消除了不必要的分配。

  

rao.score.bern（c（0,0,0,1,1,1），1/6））

[1] 0.02845974

好的，现在我们到了某个地方。

调试

不幸的是，代码仍然不起作用。让我们通过调用rao.score.bern来调试，并用显示输入的东西替换它。不要将它应用于您创建的大输入！使用它的一小部分：

  

sapply（数据[1：5]，函数（x）x [[1]]）

[1] 0 0 0 0 0

这不是你的预期，是吗？对于data的每个元素，它只返回一个零。那怎么样？

  

sapply（数据[1：5]，函数（x）x）

[[1]]
[1] 0 0 0 0 0
[[2]]
[1] 0 0 0 0 0 0 
...
[[5]]
[1] 0 0 0 0 0 0 0 0 0

好多了！调用x中的变量sapply指向整个向量，这是您要传递给例程的向量。何处

  

p.values＆lt; - sapply（data，function（x）rao.score.bern（x，p0））; HIST（p.values）