Question

我正在使用Mouses软件包（版本3.3.0）执行多次插补（MI）。 MI过程工作正常。为了进行进一步的分析，我希望通过变量“ group”来分离/分割/细分估算数据，如下例所示。

library(mice)

d <- nhanes
d$group <- as.factor(c(rep("A", 13), rep("B", 12)))
str(d)

imp <- mice(d)

fit <- with(imp, lm(bmi ~ age + chl + group))
est <- pool(fit)
summary(est, digits=3)

# I would like to do is
imp.A <- imp[which(group=="A")]
imp.B <- imp[which(group=="B")]

fit.A <- with(imp.A, lm(bmi ~ age + chl))
fit.B <- with(imp.A, lm(bmi ~ age + chl))

是否可以以某种方式拆分估算数据？

Answer 1

我认为这段代码可用于实现您的要求

首先创建所有数据集的长格式版本：

d.long <- mice::complete(imp,"long",include = T)

接下来，使用基准R正常进行分组

d.long.A <- d.long[which(d.long$group == 'A'),]
d.long.B <- d.long[which(d.long$group == 'B'),]

然后将其更改回mids对象，以便您可以执行mice操作

imp.A <- as.mids(d.long.A)
imp.B <- as.mids(d.long.B)

您可能会收到一条警告消息，因为group现在是一个常数。

Warning message:
Number of logged events: 1
imp.A$loggedEvents
  it im dep     meth      out
1  0  0     constant group

但这不是问题，只是mice告诉您数据集中存在一个常数值。最后，您可以将新的子集用于回归模型

fit.A <- with(imp.A, lm(bmi ~ age + chl))
fit.B <- with(imp.B, lm(bmi ~ age + chl))

使用pool获取合并结果。我不确定您为什么要这样做，而不仅仅是在回归模型中包括组变量，但是我认为您有这样做的理由。希望这会有所帮助！

小鼠：拆分估算数据以进行进一步分析

1 个答案: