使用来自库MICE()的输入数据集来拟合R中的多水平模型 [英] Using imputed datasets from library mice() to fit a multi-level model in R
本文介绍了使用来自库MICE()的输入数据集来拟合R中的多水平模型的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我刚开始在R中打包mice
,但我正在尝试计算popmis
中的5个数据集,然后分别匹配lmer()
模型with()
和最后的pool()
。
我认为mice()
中的pool()
函数不适用于lme4
包中的lmer()
调用,对吗?
如果是这样的话,有没有办法编写一个定制的函数,它的作用类似于我下面的案例pool()
?
library(mice)
library(lme4)
imp <- mice(popmis, m = 5) # `popmis` is a dataset from `mice`
fit <- with(imp, lme4::lmer(popular ~ sex + (1|school))) # works fine.
pool(fit) # BUT this one fails, should I loop here?
推荐答案
我为您提供了解决方案。就像install.packages("broom.mixed")
然后library(broom.mixed)
一样简单。broom.mixed
包提供了正确的glance
方法
# install.packages("broom.mixed")
library(mice)
library(lme4)
library(broom.mixed)
imp <- mice(popmis, m = 5) # `popmis` is a dataset from `mice`
fit <- with(data = imp, exp = lme4::lmer(popular ~ sex + (1|school)))
pool(fit)
结果:
> pool(fit)
Class: mipo m = 5
term m estimate ubar b t dfcom df riv lambda fmi
1 (Intercept) 5 4.9122016 0.007589694 0.0003823641 0.008048531 1996 743.8691 0.06045526 0.05700878 0.05953397
2 sex 5 0.8378947 0.001187606 0.0002937859 0.001540149 1996 72.7305 0.29685175 0.22890184 0.24926611
Ben Bolker is the author of broom.mixed
这篇关于使用来自库MICE()的输入数据集来拟合R中的多水平模型的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文