Question

我已经使用MICE软件包估算了数据。现在，我想展示基于合并数据的GLM的结果。

这是我得出数据的方式：

data.imputed <- mice(data, m=5, maxit = 50, method = 'pmm', seed = 500)

这就是我用来创建模型的内容：

model.imputed1 <- with(data = data.imputed, expr = glm(dv ~ iv1 + iv2 + iv3, family=binomial))

model.imputed <- pool(model.imputed1)

但是，当我跑步

AIC(model.imputed)

或

logLik(model.imputed)

为此，我收到消息

UseMethod（“ logLik”）中的错误：没有适用于'logLik'的适用方法应用于类“ c（'mipo'，'data.frame'）”的对象

这似乎与鼠标存储其估算文件的方式有关。有没有办法从该模型中提取这两个指标（AIC和logLik）？如何将其转换为模型以从中提取这两个指标？

谢谢！

TT

Answer 1

从pool的结构来看，似乎mice::pool没有存储此信息。

str(pool(model.imputed1))
#Classes ‘mipo’ and 'data.frame':   0 obs. of  3 variables:
#  $ call  : language pool(object = model.imputed1)
#$ m     : int 40
#$ pooled:'data.frame': 3 obs. of  9 variables:
#  ..$ estimate: num  0.0722 -0.2533 -0.8663
#..$ ubar    : num  0.000422 0.000318 0.029756
#..$ b       : num  2.53e-06 3.41e-05 3.95e-04
#..$ t       : num  0.000425 0.000353 0.030162
#..$ dfcom   : int  10060 10060 10060
#..$ df      : num  9902 2765 9487
#..$ riv     : num  0.00615 0.10989 0.01362
#..$ lambda  : num  0.00611 0.09901 0.01343
#..$ fmi     : num  0.00631 0.09966 0.01364

我不确定在组合AIC和LL等统计信息时，Rubin的规则是否以相同的方式起作用，但是您可以做的一件事就是为每个数据集获取AIC和LL。由于您只有5个数据集，因此无需花费很长时间。

首先以长格式检索所有完成的数据集。

L_df <- mice::complete(data.imputed,"long",include = F)

然后创建一些空向量并检索插补的数量（在您的情况下，m = 5）。

AIC1<-c()
logLik1 <- c()
m <- max(L_df$.imp)

然后为每个数据集估计模型，并将AIC和LL存储在刚创建的空向量中。

for(i in 1:m){
  model.imputed1 <- glm(dv ~ iv1 + iv2 + iv3, family=binomial, data = L_df[which(L_df$.imp == m),])
  AIC1[i] <- AIC(model.imputed1)
  logLik1[i] <- logLik(model.imputed1)
}

此循环的结果应该是AIC1中存储的5个AIC值和logLik1中存储的LL的5个值。您可以使用这些值来报告数据集之间的平均AIC及其方差，也可以报告更可靠的度量值，例如中位数和范围（因为只有5个值）。

如何从合并的GLM中提取AIC和对数可能性？

1 个答案: