MICE 可以合并函数 polr() 运行的序数逻辑回归的结果吗？答案

【问题标题】：Can MICE pool results of ordinal logistic regression run by the function polr()?MICE 可以合并函数 polr() 运行的序数逻辑回归的结果吗？
【发布时间】：2018-07-21 07:18:07
【问题描述】：

我正在运行从 UCLA 下载的数据集

read.dta("https://stats.idre.ucla.edu/stat/data/ologit.dta")

并在自变量中随机分配一些缺失值：pared、public 和 gpa。然后，我使用小鼠生成估算值，并对具有估算值的 5 个完整数据集运行序数逻辑回归。

DAT.imp=mice(DAT,print=FALSE)
DAT.fit.mice.plr = with(DAT.imp, polr(apply ~ pared + public + gpa))
summary(DAT.fit.mice.plr)

但是报错信息如下：

Error in as.data.frame.default(x) : 
 cannot coerce class ""polr"" to a data.frame

是不是因为 pool() 函数不能运行不属于 lm 的模型有问题？我应该通过 polr() 分别为 5 个估算数据集运行模型并手动合并它们吗？提前感谢您的任何回复。

【问题讨论】：

标签： r logistic-regression glm ordinal r-mice

【解决方案1】：

我尝试使用依赖项安装最新版本的软件包：

install.packages(c("mice", "MASS"), dep = TRUE)

得到了结果
> summary(pool(mod)) estimate std.error statistic df p.value pared 1.088364240 0.2675445 4.0679748 388.8699 5.744000e-05 public -0.007057661 0.3020328 -0.0233672 376.9368 9.813694e-01 gpa 0.628030991 0.2610602 2.4056945 387.3003 1.660783e-02 unlikely|somewhat likely 2.250628213 0.7816727 2.8792461 386.0658 4.206607e-03 somewhat likely|very likely 4.353582378 0.8076085 5.3907086 385.6545 1.219831e-07 和

> pool(mod) Class: mipo m = 5 estimate ubar b t dfcom df pared 1.088364240 0.07111586 0.0003868321 0.07158006 395 388.8699 public -0.007057661 0.08973729 0.0012387621 0.09122381 395 376.9368 gpa 0.628030991 0.06759665 0.0004631305 0.06815241 395 387.3003 unlikely|somewhat likely 2.250628213 0.60530521 0.0047558921 0.61101228 395 386.0658 somewhat likely|very likely 4.353582378 0.64589464 0.0052807731 0.65223157 395 385.6545

riv lambda fmi pared 0.006527356 0.006485026 0.01155566 public 0.016565181 0.016295247 0.02147350 gpa 0.008221658 0.008154614 0.01323709 unlikely|somewhat likely 0.009428418 0.009340353 0.01443286 somewhat likely|very likely 0.009811086 0.009715764 0.01481172

略有不同。报告的统计数据也略有不同。我不确定它是否正确（仅由于插补）。但是代码运行良好，没有错误。

【讨论】：