Question

我有一个矩阵“ num”，其中包含带有以下示例数据的解释变量：

Intercept   Num1   Num2  Num3
1           1.20   0     5.46
1           2.39   1     2.95
1           1.93   1     13.44
1           1.30   0     3.05
1           2.37   1     3.55

我还有一个矩阵“ succ”，其中包含因变量以及以下示例数据：

succ
2.69
-0.71
1.96
-6.95
2.61

我正在对succ进行succ回归。我正在尝试创建一个自举函数来计算每个解释变量的回归标准误差，以了解标准误差与线性回归相比有何不同。我不想使用“启动”包。

我尝试创建以下功能：

custom.boot <- function(times, data) {
  boots <- rep(NA, times)
  for (i in 1:times) {
    boots[i] <- sd(sample(data, length(data), 
                   replace=TRUE)/sqrt(length(data)))  
  }
  boots
}

但是，我被困在这里，因为我知道如果我只运行就无法获得所需的值

custom.boot(1000, num)

我只想收到如下输出：

var        std. errors
Intercept  ###
Num1       ###
Num2       ###
Num3       ###

对于每种引导方法，根据我运行的复制数量，这些方法应略有不同。我需要在代码中进行哪些更改才能获得此输出？

Answer 1

根据原始问题和评论，您可以尝试像这样进行平均，以得出每次复制的平均SE（使用{{1}上的sapply和sd作为sd }不再有效）：

data.frames

如何在R中使用引导程序计算标准错误？

1 个答案: