在R语言模拟研究中计算估计量偏差及解决代码报错

偏差定义 #

根据你提供的公式，偏差计算逻辑为：偏差 = 估计值的平均值 - 总体真实值（即 $Bias = E(\hat{\theta}) - \theta$）

报错原因分析 #

你原代码的问题在于：

• 用c()包裹dplyr筛选结果后，得到的是数据框/列表结构，而非数值向量，导致bias()函数无法识别为数值输入，触发non-numeric argument to binary operator错误。
• 若bias()是自定义函数，还可能存在参数顺序或输入类型不匹配的问题。

正确实现步骤 #

1. 正确提取数值向量

用pull()替代select()，直接从筛选后的结果中提取数值列：

# 筛选method=1、parameter=b1的估计值，转为数值向量
est_value <- data %>% filter(method == "1", parameter == "b1") %>% pull(est)

2. 手动计算偏差（最稳妥，无需依赖未知函数）

直接按照公式计算，避免第三方函数的参数问题：

# 设定总体真实值
b1_true <- 0.4
# 计算偏差：估计值均值 - 真实值
bias_result <- mean(est_value) - b1_true

3. 测试示例数据

用你提供的示例数据，est_value为0.4，计算得偏差为 0.4 - 0.4 = 0，结果符合预期。

补充说明 #

如果你的模拟包含多组重复实验（即data中有多行method=1且parameter=b1的记录），mean(est_value)会自动计算所有估计值的均值（即公式中的期望$E(\hat{\theta})$），再减去真实值即可得到正确偏差。

内容的提问来源于stack exchange，提问作者ppp16