具有多重插补数据的二元逻辑回归答案

【问题标题】：Binary logistic regression with multiply imputed data具有多重插补数据的二元逻辑回归
【发布时间】：2018-04-08 11:24:07
【问题描述】：

我一直在尝试使用 R 中可用的选项（即 MICE）来进行二元逻辑回归分析（连续和分类预测变量之间的交互）。

但是，我正在努力对多重插补数据进行这种简单的分析（详细信息和可重复的示例 here）。

具体来说，我还没有找到一种方法来汇集输出的各个方面，包括使用 Mice 的 GLM 函数等价的“对数似然比”。

为了避免上一篇文章的冗余，我正在寻求有关 R 包或其他软件的任何建议，这些建议可能使将输出的所有基本组件汇集起来进行二元逻辑回归变得容易/可能（即等效于模型似然比测试，回归系数，wald 检验）。请参阅下面的示例，我能够在非估算数据上使用 rms 获得（无法找到在多重估算数据上运行它的方法）

> mylogit
 Frequencies of Missing Values Due to Each Variable
 P1    ST   P8 
 18    0   31 

 Logistic Regression Model

 lrm(formula = P1 ~ ST + P8 + ST * P8, data = PS, x = TRUE, 
 y = TRUE)


 Model Likelihood     Discrimination    Rank Discrim.    
  Ratio Test           Indexes           Indexes       
  Obs           362    LR chi2     18.34    R2       0.077    C       0.652    
  0            287    d.f.            9    g        0.664    Dxy     0.304    
  1             75    Pr(> chi2) 0.0314    gr       1.943    gamma   0.311    

  max |deriv| 8e-08    gp     0.099    tau-a   0.100       Brier    0.155                     

                      Coef    S.E.   Wald Z Pr(>|Z|)
 Intercept          -0.5509 0.3388 -1.63  0.1040  
 ST=       2      -0.5688 0.4568 -1.25  0.2131  
 ST=       3      -0.7654 0.4310 -1.78  0.0757  
 ST=       4      -0.7995 0.5229 -1.53  0.1263  
 ST=       5      -1.2813 0.4276 -3.00  0.0027  
 P8                 0.2162 0.4189  0.52  0.6058  
 ST=       2 * P8 -0.1527 0.5128 -0.30  0.7659  
 ST=       3 * P8 -0.0461 0.5130 -0.09  0.9285  
 ST=       4 * P8 -0.5031 0.5635 -0.89  0.3719  
 ST=       5 * P8  0.3661 0.4734  0.77  0.4393

总之，我的问题是：1) 能够处理多重插补数据以完成传统二元逻辑回归分析的软件包/软件，尤其是交互项 2) 我需要采取的可能步骤来运行分析那个程序

【问题讨论】：

标签： r logistic-regression missing-data imputation r-mice

【解决方案1】：

rms package 具有使用fit.mult.impute() 函数组合多重插补数据的强大功能。这是一个小的工作示例：

dat <- mtcars
## introduce NAs
dat[sample(rownames(dat), 10), "cyl"] <- NA
im <- aregImpute(~ cyl + wt + mpg + am, data = dat)
fit.mult.impute(am ~ cyl + wt + mpg, xtrans = im, data = dat, fitter = lrm)

【讨论】：