编写R函数计算多日期累积值的标准误（SE）

问题背景 #

现有包含treatment、replicate、date、value字段的数据集，已通过以下代码实现按treatment和date分组求均值后计算累积和：

data %>% group_by(treatment, date) %>% summarize(value = mean(value)) %>% mutate(value = cumsum(value))

但需实现每个日期的累积值标准误（SE）：对每个日期，先将该日期及之前所有日期的value按replicate累加，再计算该累加向量的标准误，现有代码无法满足此需求，需正确的R实现方案。

解决方案 #

核心思路是：先为每个replicate计算逐日期的累积和，再基于这些样本级的累积值分组计算标准误，具体代码如下：

步骤1：计算每个重复样本的累积值 #

先按treatment和replicate分组，对每个样本的value按日期顺序计算累积和，确保数据排序避免累积顺序错误：

library(dplyr)

data_cum <- data %>%
  arrange(treatment, replicate, date) %>%
  group_by(treatment, replicate) %>%
  mutate(cum_value = cumsum(value)) %>%
  ungroup()

步骤2：分组计算累积值的均值与标准误 #

按treatment和date分组，对每个日期下所有replicate的累积值计算均值（对应原需求的累积均值）和标准误：

final_result <- data_cum %>%
  group_by(treatment, date) %>%
  summarize(
    cum_mean = mean(cum_value),
    cum_se = sd(cum_value) / sqrt(n())  # 标准误公式：标准差除以样本量的平方根
  ) %>%
  ungroup()

逻辑说明 #

• 原代码的问题：先对日期分组求均值再累积，得到的是均值的累积，无法反映每个重复样本的累积差异，因此无法计算符合需求的标准误。
• 正确逻辑：先为每个replicate计算到当前日期的累积总和，此时每个日期下会有多个（对应所有replicate）累积值，对这些值计算标准误，才是“该日期及之前所有value按replicate累加后向量的SE”。

内容的提问来源于stack exchange，提问作者user20214781