如何从合并的 GLM 中提取 AIC 和对数似然？答案

【问题标题】：How to extract AIC and Log Likelihood from pooled GLM?如何从合并的 GLM 中提取 AIC 和对数似然？
【发布时间】：2018-08-13 05:14:25
【问题描述】：

我使用 MICE 包估算了数据。现在我想展示基于汇总数据的 GLM 的结果。

我是这样得出数据的：

data.imputed <- mice(data, m=5, maxit = 50, method = 'pmm', seed = 500)

这是我用来创建模型的：

model.imputed1 <- with(data = data.imputed, expr = glm(dv ~ iv1 + iv2 + iv3, family=binomial))

model.imputed <- pool(model.imputed1)

但是，当我运行时

AIC(model.imputed)

或

logLik(model.imputed)

就此而言，我收到了消息

UseMethod("logLik") 中的错误：没有适用于 'logLik' 的方法应用于类“c('mipo', 'data.frame')”的对象

这似乎与老鼠存储其估算文件的方式有关。有没有办法从这个模型中提取这两个指标（AIC 和 logLik）？如何将其转换为模型以从中提取这两个指标？

谢谢！

【问题讨论】：

标签： r glm r-mice

【解决方案1】：

查看pool 结果的结构，mice::pool 似乎没有存储此信息。

str(pool(model.imputed1))
#Classes ‘mipo’ and 'data.frame':   0 obs. of  3 variables:
#  $ call  : language pool(object = model.imputed1)
#$ m     : int 40
#$ pooled:'data.frame': 3 obs. of  9 variables:
#  ..$ estimate: num  0.0722 -0.2533 -0.8663
#..$ ubar    : num  0.000422 0.000318 0.029756
#..$ b       : num  2.53e-06 3.41e-05 3.95e-04
#..$ t       : num  0.000425 0.000353 0.030162
#..$ dfcom   : int  10060 10060 10060
#..$ df      : num  9902 2765 9487
#..$ riv     : num  0.00615 0.10989 0.01362
#..$ lambda  : num  0.00611 0.09901 0.01343
#..$ fmi     : num  0.00631 0.09966 0.01364

我不确定 Rubin 的规则在组合 AIC 和 LL 等统计数据时是否以相同的方式发挥作用，但您可以做的一件事是获取每个数据集的 AIC 和 LL。由于您只有 5 个数据集，因此不会花费很长时间。

首先检索所有已完成的长格式数据集。

L_df <- mice::complete(data.imputed,"long",include = F)

然后创建一些空向量并检索插补数（在您的情况下为 m = 5）。

AIC1<-c()
logLik1 <- c()
m <- max(L_df$.imp)

然后估计每个数据集的模型，并将 AIC 和 LL 存储在刚刚创建的空向量中。

for(i in 1:m){
  model.imputed1 <- glm(dv ~ iv1 + iv2 + iv3, family=binomial, data = L_df[which(L_df$.imp == m),])
  AIC1[i] <- AIC(model.imputed1)
  logLik1[i] <- logLik(model.imputed1)
}

这个循环的结果应该是存储在AIC1 中的5 个AIC 值和存储在logLik1 中的5 个LL 值。您可以使用这些值来报告平均 AIC 及其数据集之间的方差，或者报告更稳健的度量，例如中位数和范围（因为您只有 5 个值）。

【讨论】：

sapply(model.imputed1$analysss, AIC)