如何计算Polychoric Correlation的置信区间？（附R代码）

完全可以通过Bootstrap方法实现多系列相关系数的置信区间计算，以下是适配你现有代码的可复现代码：

library(polycor)

# 你的原始数据
Var1 <- c(1,2,3,1,2,2,3,2,2,1,2)
Var2 <- c(2,2,3,1,2,1,3,2,2,1,2)
df <- data.frame(Var1, Var2)

# 设置随机种子保证结果可复现
set.seed(123)

# 定义Bootstrap抽样函数
boot_polychor <- function(data, indices) {
  # 重抽样数据
  boot_data <- data[indices, ]
  # 计算多系列相关系数
  return(polychor(boot_data$Var1, boot_data$Var2))
}

# 执行Bootstrap，重复1000次
nboot <- 1000
boot_results <- replicate(nboot, boot_polychor(df, sample(nrow(df), replace = TRUE)))

# 计算95%置信区间（分位数法）
ci <- quantile(boot_results, c(0.025, 0.975))

# 输出结果
cat("原始多系列相关系数：", polychor(df$Var1, df$Var2), "\n")
cat("95% Bootstrap置信区间：", ci[1], "至", ci[2], "\n")

代码说明： #

• 通过replicate函数重复执行1000次有放回重抽样，每次基于新样本计算多系列相关系数
• 利用分位数法从Bootstrap得到的系数样本中提取95%置信区间
• 可调整nboot的数值（比如增大到2000）提升区间稳定性，相应计算时间会增加

内容的提问来源于stack exchange，提问作者JuanJMV