在R中执行带放回Bootstrapping以保留两变量相关性的方法求助

核心思路 #

要保留年龄与分数的配对关联，必须按行（即按单个参与者）进行带放回重采样，绝对不能分开对两个变量单独采样。每次重采样后拟合二次模型、提取顶点坐标，重复200次后再计算顶点的均值与标准误。

步骤与代码实现 #

假设你的数据集名为data，包含两列：age（年龄）和score（测试分数）。

1. 定义单次Bootstrap操作函数 #

先写一个函数，完成单次重采样、模型拟合、顶点计算的完整流程：

bootstrap_vertex <- function(data) {
  # 按行带放回重采样，样本量与原数据一致
  resampled_data <- data[sample(nrow(data), replace = TRUE), ]
  
  # 拟合二次回归模型：score ~ 年龄 + 年龄²
  model <- lm(score ~ age + I(age^2), data = resampled_data)
  
  # 提取模型系数：b0(截距)、b1(一次项)、b2(二次项)
  b0 <- coef(model)[1]
  b1 <- coef(model)[2]
  b2 <- coef(model)[3]
  
  # 计算二次函数顶点坐标：x = -b1/(2*b2)，y = b0 + b1*x + b2*x²
  vertex_x <- -b1 / (2 * b2)
  vertex_y <- b0 + b1 * vertex_x + b2 * vertex_x^2
  
  # 返回顶点的年龄与分数值
  return(c(vertex_age = vertex_x, vertex_score = vertex_y))
}

2. 执行200次Bootstrap抽样 #

用replicate()函数批量重复操作：

# 设置随机种子，保证结果可重复
set.seed(123)

# 执行200次Bootstrap
bootstrap_results <- replicate(200, bootstrap_vertex(data))

# 转置结果为数据框，方便后续统计
bootstrap_df <- as.data.frame(t(bootstrap_results))

3. 计算顶点的均值与标准误 #

# 计算顶点年龄的均值和标准误
mean_age <- mean(bootstrap_df$vertex_age)
se_age <- sd(bootstrap_df$vertex_age)

# 计算顶点分数的均值和标准误
mean_score <- mean(bootstrap_df$vertex_score)
se_score <- sd(bootstrap_df$vertex_score)

# 输出结果
cat("顶点年龄均值：", round(mean_age, 2), "\n")
cat("顶点年龄标准误：", round(se_age, 2), "\n")
cat("顶点分数均值：", round(mean_score, 2), "\n")
cat("顶点分数标准误：", round(se_score, 2), "\n")

关键注意事项 #

• 按行重采样的必要性：sample(nrow(data), replace = TRUE)生成的是原数据行的索引，带放回抽取能保证每个重采样数据集中的年龄和分数都属于同一个参与者，完全保留变量间的相关性。
• 二次模型的灵活性：如果你的二次函数形式不同（比如用poly(age, 2)拟合正交多项式），可以调整模型公式，但顶点的计算逻辑要对应修改。
• 结果可重复性：set.seed()能让每次运行代码得到相同的Bootstrap结果，方便调试和验证。

内容的提问来源于stack exchange，提问作者ryanejenkins