哪个 MICE 估算数据集用于后续分析？答案

【问题标题】：Which MICE imputed data set to use in succeeding analysis?哪个 MICE 估算数据集用于后续分析？
【发布时间】：2017-02-24 17:58:45
【问题描述】：

我不确定是否需要为此提供可重现的输出，因为这是一个更普遍的问题。无论如何，在运行mice 包后，它会返回m 多个估算数据集。我们可以使用complete()函数提取数据。

但是我很困惑我应该使用哪个数据集进行后续分析（描述性估计、模型构建等）。

问题： 1. 我需要提取特定的数据集吗？ complete(imp,1)?还是我应该使用整个估算数据集，例如complete(imp, "long", inc = TRUE)?

如果是后者complete(imp, "long", inc = TRUE)，我该如何计算平均值、比例等一些描述？例如，我将使用 SPSS 分析长数据。我应该根据估算数据集的m 数量拆分数据并手动找到平均值吗？应该这样吗？

感谢您的帮助。

【问题讨论】：

标签： r r-mice

【解决方案1】：

您应该对每个 m 估算数据集单独运行统计分析，然后将结果汇总在一起。这允许您考虑由插补程序引入的额外不确定性。 MICE 内置了这个功能。例如，如果你想做一个简单的线性模型，你可以这样做：

fit <- with(imp, lm(y ~ x1 + x2))
est <- pool(fit)
summary(est)

查看?pool 和?mira

【讨论】：

【解决方案2】：

多重插补由以下三个步骤组成：

1. Imputation
2. Analysis
3. Pooling

第一步，生成m的估算数据集数量，第二步数据分析，如回归分别应用于每个数据集。最后，在第三步中，将分析结果汇总为最终结果。针对不同的参数实现了各种池化技术。这是一个很好的链接，详细描述了池 - mice Vignettes

【讨论】：