在多次估算的数据集上汇集三明治方差估计

Question

我正在对多重插补数据进行泊松回归，以预测常见的二元结果。运行mice后，我获得了一个堆叠数据框，其中包含原始数据和五个插补数据集。这是一个玩具示例：

df <- mice::nhanes
imp <- mice(df) #impute data
com <- complete(imp, "long", TRUE) #creates data frame

我现在想：

1. 对每个插补数据集运行回归
2. 使用夹心方差估算器计算稳健的标准误差
3. 合并/汇总两者分析
的结果

我可以使用mids和with命令在pool对象上运行回归：

fit.pois.mids <- with(imp, glm(hyp ~ age + bmi + chl, family = poisson))
summary(pool(fit.pois.mids))

我还可以在组合它们之前对每个插补数据集运行回归：

imp.df <- split(com, com$.imp); names(imp.df) <- c("raw", "imp1", "imp2", "imp3", "imp4", "imp5") #creates list of data frames representing each imputed dataset

fit.pois <- lapply(imp.df, function(x) {
  fit <- glm(hyp ~ age + bmi + chl, data = x, family = poisson)
  fit
})

summary(MIcombine(fit.pois))

同样，我可以计算每个插补数据集的标准误差：

sand <- lapply(fit.pois, function(x) {
  se <- coeftest(x, vcov = sandwich)
  se
})

不幸的是，MIcombine似乎没有返回p值。这个post建议使用Zelig，但就此而言，我也可以使用mice。此外，似乎无法合并标准误差的估计值：

summary(MIcombine(sand.df))
Error in UseMethod("vcov") : 
  no applicable method for 'vcov' applied to an object of class "coeftest"

为简单起见，似乎mice是汇总回归结果的更好选择;但是，我想知道如何更新（即汇集和组合）标准错误。有什么方法可以解决这个问题？