只要在那里使用了任何重采样方法（即自 1960 年代中期以来），就在调查统计中已知对整个集群进行重采样，因此它是一种成熟的方法。请参阅我在http://www.citeulike.org/user/ctacmo/tag/survey_resampling收集的链接。能boot不能这样，我不知道；当我需要使用调查引导程序时，我使用survey包，虽然我上次检查时，它没有我需要的所有功能（据我所知，比如一些小样本更正）。

我不认为应用诸如固定效应之类的特定模型会改变很多，但是，IMO，残差自举做出了很多强有力的假设（残差是独立同分布的，模型是正确指定的）。它们中的每一个都很容易被打破，而集群结构肯定会打破 iid 假设。

有一些关于野生集群引导的计量经济学文献。他们假装自己在真空中工作，没有对这个主题进行所有这 50 年的调查统计研究，所以我不知道该怎么做。

我尝试自己解决问题，并生成了以下代码。

虽然它有效，但它可能会在速度方面得到改进。此外，如果可能的话，我宁愿找到一种使用该-boot-软件包的方法，因为它允许通过boot.ci...自动计算许多自举置信区间。

为简单起见，起始数据集包含嵌套在 6 个实验室（聚类变量）中的 18 只猫（“较低级别”观察结果）。数据集是平衡的（n_cluster = 3对于每个集群）。我们有一个回归量，x，用于解释y。

假数据集和存储结果的矩阵是：

  # fake sample 
  dat <- expand.grid(cat=factor(1:3), lab=factor(1:6))
  dat <- cbind(dat, x=runif(18), y=runif(18, 2, 5))

  # empty matrix for storing coefficients estimates and standard errors of x
  B <- 50 # number of bootstrap samples
  b.sample <- matrix(nrow=B, ncol=3, dimnames=list(c(), c("sim", "b_x", "se_x")))
  b.sample[,1] <- rep(1:B)

在每次B迭代中，以下循环对 6 个有放回的簇进行采样，每个簇由 3 只无放回采样的猫组成（即保持簇的内部组成不变）。回归系数及其标准误差的估计值存储在先前创建的矩阵中：

  ####################################
  #   loop through "b.sample" rows   #
  ####################################

  for (i in seq(1:B)) {

  ###   sampling with replacement from the clustering variable   

    # sampling with replacement from "cluster" 
    cls <- sample(unique(dat$lab), replace=TRUE)
    cls.col <- data.frame(lab=cls)

    # reconstructing the overall simulated sample
    cls.resample <- merge(cls.col, dat, by="lab")


  ###   fitting linear model to simulated data    

    # model fit
    mod.fit <- function(data) glm(data$y ~ data$x)

    # estimated coefficients and standard errors
    b_x <- summary(mod.fit(data=cls.resample))$coefficients[2,1]
    	se_x <- summary(mod.fit(data=cls.resample))$coefficients[2,2]

    b.sample[i,2] <- b_x
    b.sample[i,3] <- se_x

  }

希望这会有所帮助，兰多

我最近不得不这样做并使用dplyr. 该解决方案不像 with 那样优雅data.table，但是：

library(dplyr)
replicate(B, {
  cluster_sample <- data.frame(cluster = sample(dat$cluster, replace = TRUE))
  dat_sample <- dat %>% inner_join(cluster_sample, by = 'cluster')
  coef(lm(y ~ x, data = dat_sample))
})

inner_join重复具有给定值的每一行，按x出现在 中cluster的次数。xcluster_sample

这是使用data.table（在@lando.carlissian 的数据上）进行引导的更简单（并且几乎毫无疑问更快）的方法：

library(data.table)
setDT(dat, key = "lab")
b.sample <- 
  replicate(B, dat[.(sample(unique(lab), replace = T)),
                   glm(y ~ x)$coefficients])