模拟测量误差时使用ifelse

Question

我正在解决一个问题，我想拥有一个二进制变量Z，该变量只是A的某个级别的A的分类错误或度量不正确的代理。

我在这里模拟A和Y：

heapMaxSize

然后生成Z，它是A的错误分类版本（在下面的示例中，Z捕获了80％的真实正值）

set.seed(76)
n=10000
#generate correctly classified treatment A
a <- (rbinom(n, 1, 0.5))    
#generate Y conditional on A
pry <- exp(-3 + 0.7*a )/(1+ exp(-1 + 0.7*a))
y <- 1*(runif(n)<=pry)

我认为仅在Y为零的情况下在此处使用ifelse才会执行A> Z错误分类，但是查看“ check”将显示以下输出：

#misclassify treatment A into Z
#such that treatment is only misclassified if Y=0
ifelse(y==1, z<-a,z<-(a==1)*(runif(n)<.80))
check<-xtabs(~a+z+y)
check

表示Z对于Y = 1和Y = 0均被错误分类。

关于如何解决此问题的任何想法？

Answer 1

问题是ifelse()内部的赋值ifelse()函数是if的向量化版本，它会一次评估所有参数。您不能在参数内进行条件分配。将向量化运算的结果分配给新变量的更常见做法。最好写成

z <- ifelse(y==1, a, (a==1)*(runif(n)<.80))