相关系数的Bootstrap p值（重采样方法）

Question

我有这个大的数据集（N = 300.000），并且通过功效分析我得出的结论是，如果它存在，我只需要250个观察来找到相关性。

因此，我想使用自举来挑选1000个大小为n = 250的样本，以找到这1000个样本中的p值范围。我对bootstrap方法很不熟悉，但是在这里我给出了一个关于我在启动包中有多远的例子。我用Iris数据集来说明。

我想要的输出是一个直方图，显示了1000个获得的p值的频率分布和可能的p值的95％置信区间。

任何人都可以帮忙解决我的脚本吗？

#activate iris datset
library(boot)
library(datasets)

#create function to retrieve p-value
boot.fn <- function(data, sample) {
           x <- iris$Petal.Length[i]
           y <- iris$Sepal.Length[i]
           boot.p <- cor.test(iris$Petal.Length[i],
                              iris$Sepal.Length[i])$p.value
           }

#create 1000 samples with bootstrap function
bootstr <- boot(iris, boot.fn, 1000)

Answer 1

函数boot不会提供所需的行为。 但是，自己实现它非常简单：

首先是一些数据：

x1 <- rnorm(1e5)
y1 <- x1 + rnorm(1e5, 0.5)

cor.test(x1, y1)
#output
    Pearson's product-moment correlation

data:  x1 and y1
t = 315.97, df = 99998, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.7037121 0.7099151
sample estimates:
      cor 
0.7068272 

样本250索引1000次：

#set.seed(1)
z1 <- replicate(1000, sample(1:length(x1), 250, replace = T))

如果不需要更换，只需删除该部分

现在遍历列，使用索引来分组x1和y1，计算统计数据并使用不公开列表绘制直方图。

hist(unlist(apply(z1, 2, function(x){
  cor.test(x1[x], y1[x])$p.value
})), xlab = "p value", main = "Uh)

可能更具信息性：

hist(unlist(apply(z1, 2, function(x){
  cor.test(x1[x], y1[x])$estimate
})), xlab = "cor", main ="Uh")