[英]Binary logistic regression with multiply imputed data
我一直在尝试使用R(即MICE)中的可用选项进行二进制逻辑回归分析(以及连续预测变量和分类预测变量之间的相互作用)。
但是,我正在努力对多重估算数据进行简单分析( 此处有详细信息和可复制的示例)。
具体来说,我还没有办法找到一种方法来合并输出的各个方面,包括使用Mice的GLM功能等效的“对数似然比”。
为避免以前的文章有多余之处,我正在寻求有关R软件包或其他软件的任何建议,这些建议可能会/容易/可能将输出的所有基本成分汇总起来以进行二进制逻辑回归(例如,模型似然比检验,回归系数,瓦尔德测试)。 参见下面的示例,我可以对非插补数据使用rms(无法找到对多个插补数据运行此方法的方法)
> mylogit
Frequencies of Missing Values Due to Each Variable
P1 ST P8
18 0 31
Logistic Regression Model
lrm(formula = P1 ~ ST + P8 + ST * P8, data = PS, x = TRUE,
y = TRUE)
Model Likelihood Discrimination Rank Discrim.
Ratio Test Indexes Indexes
Obs 362 LR chi2 18.34 R2 0.077 C 0.652
0 287 d.f. 9 g 0.664 Dxy 0.304
1 75 Pr(> chi2) 0.0314 gr 1.943 gamma 0.311
max |deriv| 8e-08 gp 0.099 tau-a 0.100 Brier 0.155
Coef S.E. Wald Z Pr(>|Z|)
Intercept -0.5509 0.3388 -1.63 0.1040
ST= 2 -0.5688 0.4568 -1.25 0.2131
ST= 3 -0.7654 0.4310 -1.78 0.0757
ST= 4 -0.7995 0.5229 -1.53 0.1263
ST= 5 -1.2813 0.4276 -3.00 0.0027
P8 0.2162 0.4189 0.52 0.6058
ST= 2 * P8 -0.1527 0.5128 -0.30 0.7659
ST= 3 * P8 -0.0461 0.5130 -0.09 0.9285
ST= 4 * P8 -0.5031 0.5635 -0.89 0.3719
ST= 5 * P8 0.3661 0.4734 0.77 0.4393
总而言之,我的问题是:1)能够处理多个估算数据以完成传统的二进制逻辑回归分析(尤其是具有交互作用项)的软件包/软件2)我需要在该程序中运行分析的可能步骤
rms软件包具有使用fit.mult.impute()
函数组合多个插补数据的fit.mult.impute()
功能。 这是一个小的工作示例:
dat <- mtcars
## introduce NAs
dat[sample(rownames(dat), 10), "cyl"] <- NA
im <- aregImpute(~ cyl + wt + mpg + am, data = dat)
fit.mult.impute(am ~ cyl + wt + mpg, xtrans = im, data = dat, fitter = lrm)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.