Ränder nach Mäusen?
Ich möchte die Randfunktion auf unterstellte Daten anwenden (ich habe Mäuse verwendet), aber es scheint nicht möglich zu sein. Wissen Sie, ob es eine Funktion gibt, die Randeffekte mit unterstellten Daten berechnet?
Vielen Dank!
Bearbeiten: Ich habe meinen Code wie folgt geändert: Ist er korrekt? Vielen Dank!
ddply(data_pooled, "imp", function(x){
logregress <- glm(y ~ var1 + var2 + var3, family = binomial(link="logit"), data=data_pooled)
margin_mod <- margins(logregress, type="response")
})
margin_summary <- summary(MIcombine(margin_mod))
Antworten
Der allgemeine Ansatz zur Analyse fehlender Daten unter Verwendung multipler Imputation ist
Erstellen Sie beispielsweise mehrere vollständige Datensätze $m$unter Verwendung des von Ihnen gewählten Mehrfachimputationsalogorithmus
Führen Sie das endgültige Analysemodell (z. B. ein Regressionsmodell) für jeden vollständigen Datensatz durch. Das heißt, du würdest rennen$m$ Modelle.
bündeln Sie die Ergebnisse der Analysen. Mit einem linearen Regressionsmodell würden Sie einfach alle interessierenden Schätzungen mitteln, um die gepoolte Schätzung zu finden. Für Standardfehler besteht der typische Ansatz darin, Rubins Regeln zu verwenden, die Unsicherheiten sowohl innerhalb als auch zwischen Imputationen beinhalten. Wenn die Stichprobenverteilung der interessierenden Schätzung keiner Normalverteilung folgt, können andere Methoden angewendet werden. Weitere Informationen finden Sie in dieser Frage und Antwort: Anwenden der Rubin-Regel zum Kombinieren mehrfach unterstellter Datensätze