计算数据框 R 中多列的 95% 可信区间答案

【问题标题】：Calculate 95 % credible interval for multiple columns in data frame R计算数据框 R 中多列的 95% 可信区间
【发布时间】：2020-12-17 10:21:15
【问题描述】：

我需要为我的数据获取/计算 95% 的可信区间。我的数据由十列和超过 5000 行组成。这是一些示例数据。

data <- data.frame(A = c(-7.595932, -6.451768, -4.682111, -8.781488, -4.251690), 
                   B = c(0.8324450, 0.9451657, 0.8773759, 0.6044753, 0.6553995),
                   C = c(22.747480, 15.477470, 18.745407, 9.622865, 21.137619), 
                   D = c(-11.684762, -13.474299, -9.783277, -7.747501, -12.352081))

我只是不确定要使用哪个函数，因为我每次都会得到不同的结果，而且它一次只能处理一列。我尝试了以下功能：

ci(data$`A`, confidence = 0.95)  ## R package gmodels

和

CI(data$`A`, confidence = 0.95) ##R package Rmisc

有没有其他人遇到过同样的问题？

【问题讨论】：

置信区间还是可信区间？
您能否提供一个可重现的示例？ ci() 和 CI() 函数不在基础 R 中，所以我收到一条错误消息。
可信区间@user2974951
@sjp ， ci() 与包 gmodels 和 CI() 与包 Rmisc。我不确定您对可重复示例的含义是什么？对 R 来说还是很新的:(

标签： r dataframe multiple-columns confidence-interval credible-interval

【解决方案1】：

这两个函数实际上给了你同样的东西：

library(gmodels)
library(Rmisc)
 CI(data$A)
    upper      mean     lower 
-3.975568 -6.352598 -8.729627 
 ci(data$A, confidence = 0.95)
  Estimate   CI lower   CI upper Std. Error 
-6.3525978 -8.7296274 -3.9755682  0.8561414

要将其应用于所有列，请使用lapply 或sapply：

> sapply(data,CI)
              A         B        C          D
upper -3.975568 0.9648266 24.01143  -8.198957
mean  -6.352598 0.7829723 17.54617 -11.008384
lower -8.729627 0.6011180 11.08091 -13.817811

【讨论】：

那我一定是做错了什么。但是我怎样才能得到所有列的可信间隔，而不仅仅是一个（在本例中为 A）@denis

【解决方案2】：

如果您想要一个可靠的区间（来自贝叶斯统计），这需要一些额外的调整、先验和可能性的选择。在某些函数中已经存在一些默认值，因此您可能会侥幸逃脱，但在盲目应用这些概念之前，您应该真正知道自己在做什么。这是一个用于演示的示例。

library(bayestestR)

data <- data.frame(A = c(-7.595932, -6.451768, -4.682111, -8.781488, -4.251690), 
                   B = c(0.8324450, 0.9451657, 0.8773759, 0.6044753, 0.6553995),
                   C = c(22.747480, 15.477470, 18.745407, 9.622865, 21.137619), 
                   D = c(-11.684762, -13.474299, -9.783277, -7.747501, -12.352081))

sapply(data,ci,ci=0.95)

        A         B         C        D        
CI      95        95        95       95       
CI_low  -8.662932 0.6095677 10.20833 -13.36208
CI_high -4.294732 0.9383867 22.58649 -7.951079

【讨论】：

我拥有的数据是我的后验分布，从 stanfit 对象传输到数据框。我在这里的工作是决定我想保留的参数（A、B、C 等）以及我想从模型中删除的参数。我想删除95%可信区间包括0的参数。
@paula456 如果你有后面的没关系，这只是找到边界的问题。但是，不建议您关于删除不“重要”的变量的第二点，因为它是过度拟合的一种形式。这更适合交叉验证。

【解决方案3】：

不清楚这是否是您要查找的内容，但您可以打印出每个变量的平均值，其中平均值的 95% 置信区间如下所示：

lapply(data, function(x) {
   paste0(round(mean(x), 2), " (95% CI: ",
   paste(round(sort(mean(x) + c(1.96, -1.96) * sd(x)/sqrt(length(x))), 2),
         collapse = " to "), ")")
 } )

#> $A
#> [1] "-6.35 (95% CI: -8.03 to -4.67)"
#>
#> $B
#> [1] "0.78 (95% CI: 0.65 to 0.91)"
#>
#> $C
#> [1] "17.55 (95% CI: 12.98 to 22.11)"
#>
#> $D
#> [1] "-11.01 (95% CI: -12.99 to -9.03)"

【讨论】：