bootstrap实现单页面跳转_Bootstrap方法的软件实现

注：本文是叶楚韵对Bootstrap方法在R、MATLAB、Python以及SAS中实现的介绍

通过之前关于Bootstrap的介绍 (重抽样方法)，相信大家已经对Bootstrap的原理和用途有了一定的了解。本文将为大家介绍在R、MATLAB、Python以及SAS中实现Bootstrap的现成语句。注意Bootstrap的原理是重抽样，因此在所有语言中，均可以采用循环语句实现Bootstrap。这种做法的优点是形式灵活，可以实现更多不同方法的Bootstrap，缺点是可能对初学者不友好，编写代码时容易出纰漏。因此，下面的介绍将以实现Bootstrap的现成命令为主。

1 Bootstrap的R实现

目前比较常用于实现Bootstrap的R现成语句主要来自boot、bootstrap以及simpleboot包，均为第三方包，需运行install.packages('')下载并安装，以及每次使用前需运行library()加载。下面关于bootstrap的R实现的所有实例均采用R自带数据集cd4。

1.1 boot package

利用boot包中的函数boot()与boot.ci()函数，以及boot对象，我们可以实现一些简单的Bootstrap过程。下面将展示几个简单的例子并辅以说明：

• 单样本、成对两样本情况

mean.boot = function(data,indices){
      d = data[indices,]  res = mean(d[,1])  return(res)}result1 = boot(data=cd4,statistic=mean.boot,R=500)boot.ci(result1,conf=0.95,type = "all")

boot()函数几个重要参数分别为data，statistic以及R，其中，data参数传递原数据，R传递Bootstrap重复次数B。statistic传递统计量形式，在上例，即为数据第1列的均值。因此statistic参数是一个自定义函数，在上例即为mean.boot()。在一般情况下，boot函数要求这个自定义函数必须含输入参数data与indices。通过上例可以看到，参数indices就是在boot函数重抽样过程中抽取数据的索引。

boot函数的输出参数为boot对象。函数boot.ci()可以直接作用于这一类型变量并输出区间估计。调整参数conf可以获得不同置信度的区间估计，调整参数type可以获得不同类型的区间估计，目前支持输出5种区间估计，感兴趣的读者可以查阅boot包说明文件。

• 配对Bootstrap回归

paired.regcoe.boot = function(formula,data,indices){
      d = data[indices,]  fit = lm(formula,data=d)  return(fit$coef)}result2 = boot(data=cd4,statistic=paired.regcoe.boot,R=500,formula=oneyear~baseline)boot.ci(result2,conf=0.95,type = "all",index = 1)boot.ci(result2,conf=0.95,type = "all",index = 2)

注意到通过indices参数可以实现按抽取到的索引提取数据，因此，通过boot()，我们也可以实现配对Bootstrap方法估计回归系数。而在使用boo