Marginesy po myszach?
Chciałbym zastosować funkcję marginesów do danych imputowanych (użyłem myszy), ale wydaje się to niemożliwe. Czy wiesz, czy istnieje funkcja, która oblicza efekty krańcowe na podstawie danych imputowanych?
Dziękuję Ci!
Edycja: zmodyfikowałem swój kod w następujący sposób: czy jest poprawny? Dziękuję Ci!
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))
Odpowiedzi
Ogólne podejście do analizy brakujących danych za pomocą wielokrotnego imputacji to
powiedzmy, utwórz kilka kompletnych zbiorów danych $m$, używając dowolnego wybranego alogorytmu przypisania wielokrotnego
wykonać ostateczną analizę modelu (np. model regresji) na każdym kompletnym zbiorze danych. To znaczy uciekłbyś$m$ modele.
zebrać wyniki analiz. W przypadku modelu regresji liniowej po prostu uśredniłbyś wszystkie interesujące oszacowania, aby znaleźć oszacowanie zbiorcze. W przypadku błędów standardowych typowym podejściem jest użycie reguł Rubina, które obejmują niepewność zarówno w ramach imputacji, jak i pomiędzy nimi. Jeżeli rozkład próby interesującej nas oceny nie jest zgodny z rozkładem normalnym, można zastosować inne metody. Zobacz to pytanie i odpowiedź, aby uzyskać więcej informacji: Stosowanie reguły Rubina do łączenia wielu imputowanych zbiorów danych