使用库mice()中的插补数据集拟合R中的多级模型

使用库mice()中的插补数据集拟合R中的多级模型,r,missing-data,lme4,imputation,r-mice,R,Missing Data,Lme4,Imputation,R Mice,我对R中的小鼠是个新手。但我正在尝试从popmis中输入5个数据集,然后将lmer() 我认为mices()中的pool()函数不能与lmer()调用lme4包一起工作,对吗 如果是这样的话,有没有一种方法可以为下面的案例编写一个类似于pool()的定制函数 library(mice) library(lme4) imp <- mice(popmis, m = 5) # `popmis` is a dataset from `mice` fit <- with(imp, lme4

我对R中的
小鼠
是个新手。但我正在尝试从
popmis
中输入5个数据集,然后将
lmer()

我认为
mices()
中的
pool()
函数不能与
lmer()
调用
lme4
包一起工作,对吗

如果是这样的话,有没有一种方法可以为下面的案例编写一个类似于
pool()
的定制函数

library(mice)
library(lme4)

imp <- mice(popmis, m = 5) # `popmis` is a dataset from `mice`

fit <- with(imp, lme4::lmer(popular ~ sex + (1|school))) # works fine.

pool(fit) # BUT this one fails, should I loop here?
库(鼠标)
图书馆(lme4)

imp我有解决办法给你。只需
install.packages(“broom.mixed”)
然后
library(broom.mixed)
broom.mixed
软件包就提供了正确的
glance
方法

#安装.包(“扫帚.混合”)
图书馆(mice)
图书馆(lme4)
图书馆(扫帚、混合)

解决方案中与随机效应相关的imp但
ubar
应该只显示
(拦截)
而不显示
性别
(因为模型只对
拦截
具有随机效应),这是怎么回事?@BenBolker是broom.mixed的作者。对我来说,它看起来是好的,虽然我不是混合模式的专家。