R中的小鼠包:被动插补
我的目的是用多重插补处理缺失值,然后用混合线性模型进行分析 我被被动插补为“BMI”(体重指数)和“BMI类别”。“BMI”根据身高和体重计算,然后归类为“BMI类别” 如何估算“体重指数类别” 数据库如下所示:R中的小鼠包:被动插补,r,r-mice,R,R Mice,我的目的是用多重插补处理缺失值,然后用混合线性模型进行分析 我被被动插补为“BMI”(体重指数)和“BMI类别”。“BMI”根据身高和体重计算,然后归类为“BMI类别” 如何估算“体重指数类别” 数据库如下所示: sub_eu_surf[1:5, 3:12] age gender smoking exercise education sbp dbp height weight bmi 1 41 1 1 2 18 1
sub_eu_surf[1:5, 3:12]
age gender smoking exercise education sbp dbp height weight bmi
1 41 1 1 2 18 120 80 185 107 31.26370
2 46 1 3 2 18 130 70 182 102 30.79338
3 46 1 3 2 18 130 70 182 102 30.79338
4 47 1 1 2 14 130 80 178 78 24.61810
5 47 1 1 1 14 150 80 175 85 27.75510
由于“bmi类别”不是我插补的预测因子,我决定在插补后创建它。详情如下:1.定义方法和预测器
ini<-mice(sub_eu_surf, maxit=0)
meth<-ini$meth
meth["bmi"]<-"~I(weight/(height/100)^2)"
pred <- ini$predictorMatrix
pred[c("pm25_global", "pm25_eu", "pm10_eu", "no2_eu"), ]<-0
pred[,c("bmi", "hba1c", "pm25_eu", "pm10_eu")]<-0
pred[,"tc"]<-0
pred[c("smoking", "exercise", "hdl", "glucose"), "tc"]<-1
pred[c("smoking", "exercise", "hdl", "glucose"), "ldl"]<-0
vis <- ini$vis
imp_eu<-mice(sub_eu_surf, meth=meth, pred=pred, vis=vis, seed=200, print=F, m=5, maxit=5)
long_eu<- complete(imp_eu, "long", include=TRUE)
long_eu$bmi_category<-cut(as.numeric(long_eu$bmi), breaks=c(0, 18.5, 25, 30, 72))
complete_eu<-as.mids(long_eu)
ini您是在原始mids
对象imp\u eu
上运行分析,而不是在修改后的complete\u eu
上运行分析。尝试:
test1<-with(complete_eu, lme(sbp~pm25_global+gender+age+education+bmi_category, random=~1|centre))
test1您是在原始mids
对象imp\u eu
上运行分析,而不是在修改后的complete\u eu
上运行分析。尝试:
test1<-with(complete_eu, lme(sbp~pm25_global+gender+age+education+bmi_category, random=~1|centre))
test1