重新格式化R中回归的合并插补结果结果

我对缺失数据使用多重插补，然后使用pool_mi函数将插补试验的结果拟合到我的回归模型中。然而，输出的格式不是很容易解释的，我希望能得到一些关于如何这样做的指导。下面是我对输出的函数和图像与所需输出所做操作的示例代码

library(mitools)
data(data.ma05)
dat <- data.ma05

# imputation of the dataset: use six imputations
resp <- dat[, - c(1:2) ]
imp <- mice::mice( resp, method="norm", maxit=3, m=6 )
datlist <- miceadds::mids2datlist( imp )

# linear regression with cluster robust standard errors
mod <- lapply(  datlist, FUN=function(data){
            miceadds::lm.cluster( data=data, formula=denote ~ migrant+ misei,
                    cluster=dat$idclass )
            }  )
# extract parameters and covariance matrix
betas <- lapply( mod, FUN=function(rr){ coef(rr) } )
vars <- lapply( mod, FUN=function(rr){ vcov(rr) } )
# conduct statistical inference
summary( miceadds::pool_mi( qhat=betas, u=vars ) )

库（mitools）
数据（data.ma05）
dat我不知道如何在
stargazer
中实现这一点，但这很容易做到（免责声明：我是作者）

modelsummary
支持100多个现成的模型，但不支持类
pool\u mi
的模型对象，这是您的代码生成的。幸运的是，添加对新模型的支持非常容易

具体来说，我们需要定义两个S3方法，分别称为
tidy.CLASSNAME
和
glance.CLASSNAME
。第一个方法返回一个data.frame，每行一个系数，列名称跟在后面。第二种方法返回一个具有拟合优度或其他模型特征的单行data.frame，每列一个

在您的情况下，这些简单的方法似乎可以完成这项工作（显然，您可以自定义）：

库（模型摘要）
tidy.pool_mi conf.high miss term
#>（截距）2.75736637 22.7%（截距）
#>移民0.75579526 13.4%移民
#>misei-0.01072654 28.2%misei

最后，一旦定义了这些方法，
modelsummary
包应该立即工作：

modelsummary（模块池）

模式1
（截取）
2.571
(0.089)
移民
0.571
(0.086)
米塞伊
-0.014
(0.002)
小鬼。
6.
好的，我来试一试！谢谢你，文森特。