R 比例置信区间因子答案

【问题标题】：R proportion confidence interval factorR 比例置信区间因子
【发布时间】：2013-07-22 01:24:00
【问题描述】：

我正在尝试汇总来自家庭调查的数据，因此我的大部分数据都是分类（因子）数据。我希望用对某些问题的回答频率图来总结它（例如，回答某些问题的家庭百分比的条形图，误差条显示置信区间）。我发现了这个优秀的教程，我认为它是我祈祷的答案 (http://www.cookbook-r.com/Manipulating_data/Summarizing_data/)，但事实证明这只会对连续数据有所帮助。

我需要的是类似的东西，它可以让我计算计数的比例和这些比例的标准误差/置信区间。

基本上我希望能够为我的调查数据中提出的每个问题生成如下所示的汇总表：

# X5employf X5employff  N(count) proportion SE of prop.  ci of prop
#   1          1        20    0.64516129    ?             ?       
#   1          2         1    0.03225806    ?             ?  
#   1          3         9    0.29032258    ?             ?
#   1          NA        1    0.290322581    ?            ?
#   2          4             1    0.1            ?             ?


structure(list(X5employf = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), X5employff = structure(c(1L, 2L, 3L, NA, 4L, 5L, 6L, 7L, 8L, 4L, 5L, 6L, 7L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8"), class = "factor"), count = c(20L, 1L, 9L, 1L, 1L, 5L, 2L, 1L, 1L, 4L, 5L, 4L, 1L)), .Names = c("X5employf", "X5employff", "count"), row.names = c(NA, -13L), class = "data.frame")

然后，我想使用这些汇总数据在 ggplot（或类似）中绘制条形图，并使用显示置信区间的误差线。

我曾想过修改上面教程中提供的代码来计算上面的列，尽管作为 R 的相对新手，我有点挣扎！我一直在尝试使用 ggply 包，但在语法上并不是很好，所以我设法使用以下代码做到了这一点：

> X5employ_props <- ddply(X5employ_counts, .(X5employf), transform, prop=count/sum(count))

但我最终得到了这个：

   X5employf X5employff count      prop
1          1          1    20 1.0000000
2          1          2     1 1.0000000
3          1          3     9 1.0000000
4          2          4     1 0.2000000
5          3          4     4 0.8000000
6          2          5     5 0.5000000
7          3          5     5 0.5000000
8          2          6     2 0.3333333
9          3          6     4 0.6666667
10         2          7     1 0.5000000
11         3          7     1 0.5000000
12         2          8     1 1.0000000
13         1       <NA>     1 1.0000000

我的所有比例都是 1，大概是因为它们是跨 rows 而不是 columns

计算的

我想知道是否有人可以帮助或知道可以为我完成这项工作的包/代码！

【问题讨论】：

你知道docs.ggplot2.org/current/geom_errorbar.html吗？您可以使用stat = "identity" 参数绘制条形图，有关详细信息，请参阅docs.ggplot2.org/current/geom_bar.html。为了获得更好的响应，我建议您向我们提供一些可重现的数据。
嗨 Roman，是的，我已经阅读了 geom_errorbar 上的 ggplot2 文档，并且已经制作了我的条形图。但是， geom_errorbar 要求您指定绘制误差线的限制 - 这就是我试图首先总结我的数据的原因。理想情况下，我正在寻找一种自动化方法，因为我有 49 个变量。
前三个向量整数 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 factor1 1 3 1 1 1 3 1 1 1 3 1 1 1 2 2 3 3 3 1 2 2 2 2 2 1 1 1 3 3 3 3 3 3 2 1 1 3 1 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 factor2 1 4 <NA> 1 2 4 3 1 1 6 1 1 1 5 5 6 7 5 1 6 6 7 5 4 1 3 1 6 5 5 5 6 4 5 3 3 5 1 4 5 1 1 1 1 1 3 3 3 1 3 1 1 1 3 8
请参阅stackoverflow.com/questions/5963269/…，了解如何分发方便的数据。
糟糕，对不起，我的错。这个怎么样：

标签： r confidence-interval r-factor

【解决方案1】：

计算二项式置信区间的方法有很多种，我怀疑对于哪种方法最好有很多共识。也就是说，这是使用几种不同方法计算二项式置信区间的一种方法。我不确定这是否有帮助。

library(binom)

x <- c(3, 4, 5, 6, 7)
n <- rep(10, length(x))

binom.confint(x, n, conf.level = 0.95, methods = "all")

          method x  n      mean      lower     upper
1  agresti-coull 3 10 0.3000000 0.10333842 0.6076747
2  agresti-coull 4 10 0.4000000 0.16711063 0.6883959
3  agresti-coull 5 10 0.5000000 0.23659309 0.7634069
4  agresti-coull 6 10 0.6000000 0.31160407 0.8328894
5  agresti-coull 7 10 0.7000000 0.39232530 0.8966616
6     asymptotic 3 10 0.3000000 0.01597423 0.5840258
7     asymptotic 4 10 0.4000000 0.09636369 0.7036363
8     asymptotic 5 10 0.5000000 0.19010248 0.8098975
9     asymptotic 6 10 0.6000000 0.29636369 0.9036363
10    asymptotic 7 10 0.7000000 0.41597423 0.9840258
11         bayes 3 10 0.3181818 0.09269460 0.6058183
12         bayes 4 10 0.4090909 0.15306710 0.6963205
13         bayes 5 10 0.5000000 0.22352867 0.7764713
14         bayes 6 10 0.5909091 0.30367949 0.8469329
15         bayes 7 10 0.6818182 0.39418168 0.9073054
16       cloglog 3 10 0.3000000 0.07113449 0.5778673
17       cloglog 4 10 0.4000000 0.12269317 0.6702046
18       cloglog 5 10 0.5000000 0.18360559 0.7531741
19       cloglog 6 10 0.6000000 0.25266890 0.8272210
20       cloglog 7 10 0.7000000 0.32871659 0.8919490
21         exact 3 10 0.3000000 0.06673951 0.6524529
22         exact 4 10 0.4000000 0.12155226 0.7376219
23         exact 5 10 0.5000000 0.18708603 0.8129140
24         exact 6 10 0.6000000 0.26237808 0.8784477
25         exact 7 10 0.7000000 0.34754715 0.9332605
26         logit 3 10 0.3000000 0.09976832 0.6236819
27         logit 4 10 0.4000000 0.15834201 0.7025951
28         logit 5 10 0.5000000 0.22450735 0.7754927
29         logit 6 10 0.6000000 0.29740491 0.8416580
30         logit 7 10 0.7000000 0.37631807 0.9002317
31        probit 3 10 0.3000000 0.08991347 0.6150429
32        probit 4 10 0.4000000 0.14933907 0.7028372
33        probit 5 10 0.5000000 0.21863901 0.7813610
34        probit 6 10 0.6000000 0.29716285 0.8506609
35        probit 7 10 0.7000000 0.38495714 0.9100865
36       profile 3 10 0.3000000 0.08470272 0.6065091
37       profile 4 10 0.4000000 0.14570633 0.6999845
38       profile 5 10 0.5000000 0.21765974 0.7823403
39       profile 6 10 0.6000000 0.30001552 0.8542937
40       profile 7 10 0.7000000 0.39349089 0.9152973
41           lrt 3 10 0.3000000 0.08458545 0.6065389
42           lrt 4 10 0.4000000 0.14564246 0.7000216
43           lrt 5 10 0.5000000 0.21762124 0.7823788
44           lrt 6 10 0.6000000 0.29997837 0.8543575
45           lrt 7 10 0.7000000 0.39346107 0.9154146
46     prop.test 3 10 0.3000000 0.08094782 0.6463293
47     prop.test 4 10 0.4000000 0.13693056 0.7263303
48     prop.test 5 10 0.5000000 0.20142297 0.7985770
49     prop.test 6 10 0.6000000 0.27366969 0.8630694
50     prop.test 7 10 0.7000000 0.35367072 0.9190522
51        wilson 3 10 0.3000000 0.10779127 0.6032219
52        wilson 4 10 0.4000000 0.16818033 0.6873262
53        wilson 5 10 0.5000000 0.23659309 0.7634069
54        wilson 6 10 0.6000000 0.31267377 0.8318197
55        wilson 7 10 0.7000000 0.39677815 0.8922087

我不完全确定您想要什么，但这里是创建一个表的代码，我认为该表包含您所追求的所有参数。我使用 Agresti-Coull 方法从Package binom 中挖出代码。

conf.level <- 0.95

x <-  c( 4, 5, 6)     # successes
n <-  c(10,10,10)     # trials

method <- 'ac'

# source code from package binom:

xn <- data.frame(x = x, n = n)
  all.methods <- any(method == "all")
  p <- x/n
  alpha <- 1 - conf.level
  alpha <- rep(alpha, length = length(p))
  alpha2 <- 0.5 * alpha
  z <- qnorm(1 - alpha2)
  z2 <- z * z
  res <- NULL
  if(any(method %in% c("agresti-coull", "ac")) || all.methods) {
    .x <- x + 0.5 * z2
    .n <- n + z2
    .p <- .x/.n
    lcl <- .p - z * sqrt(.p * (1 - .p)/.n)
    ucl <- .p + z * sqrt(.p * (1 - .p)/.n)
    res.ac <- data.frame(method = rep("agresti-coull", NROW(x)),
                         xn, mean = p, lower = lcl, upper = ucl)
    res <- res.ac    
  }

SE <- sqrt(.p * (1 - .p)/.n)
SE

另请参阅：http://www.stat.sc.edu/~hendrixl/stat205/Lecture%20Notes/Confidence%20Interval%20for%20the%20Population%20Proportion.pdf

这是包含所有数据和参数的表格。

my.table <- data.frame(res, SE)
my.table

         method x  n mean     lower     upper        SE
1 agresti-coull 4 10  0.4 0.1671106 0.6883959 0.1329834
2 agresti-coull 5 10  0.5 0.2365931 0.7634069 0.1343937
3 agresti-coull 6 10  0.6 0.3116041 0.8328894 0.1329834

我尚未检查这些估计值是否与 Agresti 书中的任何示例相符。但是，佛罗里达大学的以下第一个 R 函数返回与包 binom 相同的 CI 估计值。下面来自佛罗里达大学的第二个 R 函数没有。

http://www.stat.ufl.edu/~aa/cda/R/one-sample/R1/

x <- 4
n <- 10
conflev <- 0.95

addz2ci <- function(x,n,conflev){
   z = abs(qnorm((1-conflev)/2))
   tr = z^2     #the number of trials added
   suc = tr/2   #the number of successes added
   ptilde = (x+suc)/(n+tr)
   stderr = sqrt(ptilde * (1-ptilde)/(n+tr))
   ul = ptilde + z * stderr
   ll = ptilde - z * stderr
   if(ll < 0) ll = 0
   if(ul > 1) ul = 1
   c(ll,ul)
}
# Computes the Agresti-Coull CI for x successes out of n trials
# with confidence coefficient conflev. 

add4ci <- function(x,n,conflev){
   ptilde = (x+2)/(n+4)
   z = abs(qnorm((1-conflev)/2))
   stderr = sqrt(ptilde * (1-ptilde)/(n+4))
   ul = ptilde + z * stderr
   ll = ptilde - z * stderr
   if(ll < 0) ll = 0
   if(ul > 1) ul = 1
   c(ll,ul)
}
# Computes the Agresti-Coull `add 4' CI for x successes out of n trials
# with confidence coefficient conflev. Adds 2 successes and
# 4 trials.

另请注意，根据上面的第一个链接，当 n

至于你提到的其他包，我很少使用它们，但我很确定你可以在调用这些包的 R 脚本中包含上述代码。

【讨论】：

嗨，马克，谢谢，这几乎就是我想要的。但是我能否将 binom.confint 参数的一个元素组合到 ddply 包（或其他）中。我希望自动创建包含所有这些值加上计数、标准错误等的表，然后我可以在 ggplot 中绘制这些表......我的数据表中的任何变量/变量集都可以快速获得“漂亮”的结果......:)
嗨，马克，再次感谢您的快速响应，但我不确定它是否完全符合我的需要。首先，我需要根据页面顶部的原始示例中的每个因素的比例，以及每个变量的标准错误/置信区间。例如从我上面的例子来看，所有女性患者中服用阿司匹林的女性比例；服用安慰剂的女性患者占所有女性患者的比例；服用阿司匹林的男性占所有男性的比例。等等。你的例子给出了一个平均值，我不知道你是如何从一个比例得出平均值的？？
@marty_c 我不确定我是否知道如何进一步提供帮助，因为我不知道您表中的比例来自何处：0.9979145、0.5247655、1.0674848 和 0.5291503。如果您编辑帖子以准确显示您如何获得这四个数字，也许我可以提供更多帮助。如果这四个比例与您的示例数据集无关，那么可能显示这四个比例来自您的示例数据集，并可能准确显示如何“手动”获得这四个比例。
mark，现在已经用手工计算的比例值编辑了我在帖子顶部的原始表格。由 X5employf 分组的 X5employff 的观察比例至关重要，例如第一行是 20/31（其中 31 是 X5employf = 1 组中的观察总数。谢谢

【解决方案2】：

这是一种估计多项式 95% 置信区间的方法。

library(MultinomialCI)

x <- c(20,1,9,1)

multinomialCI(x,alpha=0.05,verbose=FALSE)

#           [,1]      [,2]
# [1,] 0.5161290 0.8322532
# [2,] 0.0000000 0.2193499
# [3,] 0.1612903 0.4774145
# [4,] 0.0000000 0.2193499

我还没有查看源代码以了解如何获取 SE。

【讨论】：