老鼠/老鼠的描述性数据答案

【问题标题】：Descriptive data with mice/miceadds老鼠/老鼠的描述性数据
【发布时间】：2019-05-16 16:29:36
【问题描述】：

我使用mice/miceadds 进行多重插补。我有兴趣在“合并数据集”上获得一些描述性统计数据

问题： 1）我想知道估算变量中高于特定值的值的百分比。例如，当聚合所有估算数据集时，有多少案例的值高于 5（范围为 0-10）。这对 MI 数据可行吗？

2) 如果 #1 不可行，是否有更接近的替代方案？

【问题讨论】：

您好，我认为描述一下聚合的含义会很有帮助。小鼠将创建 m 个具有估算值的并行数据集。您现在可以对每个生成的集合进行分析，然后汇总结果，或者您可以在插补后聚合值（通过计算所有生成集合的平均值或中位数或模数）并对聚合集合进行所需的分析.方法 1 的好处是，您可以获得一些关于不同插补集的可变性的额外信息。选项 2 可能更容易实现，并且需要更少的计算能力。
我对选项 2 感兴趣 - 生成尽可能多的“合并”描述性数据，并了解低于或高于某个值的案例比例。有没有办法使用miceadds 获得“合并”中位数或众数（以及其他相关描述）？

标签： r imputation r-mice

【解决方案1】：

你所做的可能与此类似：

# create imputed datasets
imp <- mice(nhanes, m = 5)
#perform lm on all imputed datasets
fit <- with(data = imp, exp = lm(bmi ~ hyp + chl))
#pool results
summary(pool(fit))

所以你得到了 lm 模型的汇总结果。我想你想知道，进入模型的估算数据是什么样子的。

估算的数据实际上在“imp”变量中。使用 imp$imp 您将获得为每个 m 估算的值。然后您可以对它们执行所需的分析。

如果您需要完整的数据集（而不仅仅是估算值），那么您将执行

complete(imp, action ="all")

或者如果你只想要一个特定的完整数据集 m：

complete(imp, action =2)

例如然后你可以输入

summary(complete(imp, action =2))

获取有关第二个估算数据集的一些汇总统计信息。

【讨论】：

【解决方案2】：

另一种简单的方法是创建一个“长格式”完整数据集，并简单地计算所有估算数据集的平均值、中位数或比例。由于鲁宾的规则规定您的最佳估计是所有插补的平均值，这应该会给您一个适当的结果。唯一的缺点是您无法估计这些统计数据的标准误差。

impL <- complete(imp,"long",include = F) # long format without the original dataset
mean(impL$x) # Mean of variable x over all datasets
sum(impL$y > 5)/length(impL$y) # proportion of variable y higher than 1 over all datasets

请注意，如果您想要估计频率（即案例数量）而不是比例，则需要除以估算数据集的数量（例如 5）

sum(impL$y > 5)/5

【讨论】：