R语言中基于泰坦尼克数据集的逻辑回归Bootstrap绘图报错排查求助

你遇到的问题核心是bootstrap函数没有真正使用抽样后的数据集，导致每次拟合模型都用的是原始数据，所以所有bootstrap重复计算的系数完全一致，自然偏差和标准误为0，绘图时也会提示所有t*值相同。

具体错误点 #

看你的logit_test函数：

logit_test <- function(data, indices) {
 dt <- data[indices,]  # 这里已经抽取了bootstrap样本
 fit <- glm(Clean_data$Survived ~ Fare, data = Clean_data, family = "binomial")  # 但这里还是用原始的Clean_data！
 return(coef(fit))
}

你虽然创建了抽样后的子集dt，但拟合glm时完全没用到它，而是硬编码了原始数据集Clean_data，这就导致每次bootstrap迭代都在同一个数据集上拟合模型，系数结果完全一样，bootstrap的抽样就失去了意义。

修正后的代码 #

把glm的数据集换成抽样后的dt，并且不要硬编码原始数据的列：

library(boot)
set.seed(50000)

logit_test <- function(data, indices) {
  dt <- data[indices,]  # 抽取当前bootstrap样本
  # 用dt拟合模型，而不是原始的Clean_data
  fit <- glm(Survived ~ Fare, data = dt, family = "binomial")
  return(coef(fit))
}

# 运行bootstrap
boot_strap <- boot(
  data = Clean_data,
  statistic = logit_test,
  R = 1000  # 建议增加重复次数，100次可能不够稳定
)

# 计算95%置信区间
boot.ci(boot.out = boot_strap, type = c("basic"))

# 查看结果和绘图
boot_strap
plot(boot_strap, index=2)

额外建议 #

• 增加R的数值：100次bootstrap重复可能不足以得到稳定的置信区间，建议设置为1000甚至5000（根据你的计算资源调整）。
• 检查数据完整性：确保Clean_data中没有缺失值，可以用na.omit(Clean_data)预处理，避免拟合模型时出错。
• 尝试多种置信区间类型：除了basic，还可以试试normal、percentile类型，对比结果是否一致。

内容的提问来源于stack exchange，提问作者WhiteHill