如何使用参数 Bootstrap 计算协方差矩阵？答案

【问题标题】：How to Use Parametric Bootstrap to Calculate Covariance Matrix?如何使用参数 Bootstrap 计算协方差矩阵？
【发布时间】：2020-10-01 16:00:01
【问题描述】：

使用以下数据集“数据”：load(url("https://www.math.ntnu.no/emner/TMA4315/2020h/hoge-veluwe.Rdata")) 我适合泊松 GLM model = glm(y~t + I(t^2), family = poisson, data)。我现在想通过使用参数自举和 1000 次模拟来估计从 GLM 回归中获得的 β 系数的协方差矩阵。到目前为止我的代码是：


ysim = simulate(mod_quad, 1)
betahat = matrix(0,nrow = 1000, ncol = 3)
for (i in 1:1000){  
  sim_data = cbind(ysim, data$t)
  betahat[i, ]= glm(ysim ~ data$t + I(data$t^2), 
family = poisson, 
data = sim_data )$coefficients
  ysim = simulate(glm(ysim ~ data$t + I(data$t^2)family = poisson, data = sim_data ), 1)
}

var(betahat[1000,])

betahat 矩阵每次都为零矩阵，所以我不确定我的方法中缺少什么？

【问题讨论】：

标签： r variance

【解决方案1】：

这实际上更像是一个编码问题，而不是一个统计问题。精简，我会这样做：

## set vals to NA (not 0) to make detection of problems easier
betahat <- matrix(NA, nrow = 1000, ncol = 3)
for (i in 1:1000) {
    ## replace response with parametric simulation
    sim_data <- transform(data, y=simulate(mod_quad, 1)[[1]])
    ## refit model with new data
    newfit <- update(mod_quad, data=sim_data)
    ## store new coefficients
    betahat[i, ] <- coef(newfit) 
}
## compute variance
var(betahat)

【讨论】：