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重新格式化R中回归的合并插补结果结果,r,output,regression,imputation,r-mice,R,Output,Regression,Imputation,R Mice,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 <-
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。