问题:
我有一个数据集,缺少一些预测值。我想将应用于这些插补集的glmer
模型集中在一起。我正在使用mice
包创建插补(我也曾使用amelia
和mi
,但均未成功)。我想主要提取固定效果。
在mice软件包中使用pool()
函数将返回错误:
Error in qhat[i, ] : incorrect number of dimensions
我尝试在此处使用和改编
pool()
函数的先前重写:https://github.com/stefvanbuuren/mice/pull/5
我可能忽略了一个显而易见的解决方案!
这是一个例子:
# 1. create data (that can be replicated and converge later)
data = data.frame(x1=c(rep("1",0.1*1000), rep("0",0.5*1000),
rep("1",0.3*1000), rep("0",0.1*1000)),
x2=c(rep("fact1",0.55*1000), rep("fact2",0.1*1000),
rep(NA,0.05*1000), rep("fact3",0.3*1000)),
centre=c(rep("city1",0.1*1000), rep("city2",0.2*1000),
rep("city3",0.15*1000), rep("city1",0.25*1000),
rep("city2",0.3*1000) ))
# 2. set factors
data = sapply(data, as.factor)
# 3. mice imputation
library(mice)
imp.data = mice(data, m=5, maxit=20, seed=1234, pri=F)
# 4. apply the glmer function
library(lme4)
mice.fit = with(imp.data, glmer(x1~x2+(1|centre), family='binomial'))
# 5. pool imputations together
pooled.mi = pool(mice.fit)
我在第4步中应用的另一个功能如下,希望它可以创建一个适合
pool()
的对象。mice.fit = lapply(imp.data$imp, function(d){ glmer(x1~x2+(1|centre), data=d,
family='binomial') })
我有一个解决方法,涉及使用荟萃分析模型来汇总
glmer
模型的每个固定效果的结果。那行得通,但是最好是让Rubin模型工作。 最佳答案
在制作自己的mice
分支,将上面引用的扩展版本放入其中并清理了一点之后,这对我来说才有效:
devtools::install_github("bbolker/mice")
并查看之后的流程。 (如果有效,则应提交提醒/新的拉取请求...)