这个问题是交叉验证的migrated,因为它可以在Stack Overflow上回答。Migrated 6天前.
我已经在R中用小鼠完成了一个MI,并遵循了在RDocumentation中找到的汇总结果的步骤。我想我明白了为什么我已经完成了线性回归,现在我正试图汇总结果,但我一直收到一条错误消息,上面写着:
No tidy method for objects of class qr
我试过安装tidyverse,broom,broom.mixed,但这些都没有让错误信息消失...
我想知道如果我已经使它更加困难,为自己计算总得分后,插补,但这是我需要的lm...在这里附上我的代码,以防有一些非常明显的东西我错过了...
#Imputing data
imp <- mice(df_2, m = 5, seed = 2023)
df_imp <- complete(imp, "long", include = FALSE)
df_3 <- df_imp %>% mutate(
DASS_stress = DASS_1 + DASS_6 + DASS_8 + DASS_11 + DASS_12 + DASS_14 + DASS_18,
DASS_anxiety = DASS_2 + DASS_4 + DASS_7 + DASS_9 + DASS_15 + DASS_19 + DASS_20,
DASS_depression = DASS_3 + DASS_5 + DASS_10 + DASS_13 + DASS_16 + DASS_17 + DASS_21,
DASS_total = DASS_stress + DASS_anxiety + DASS_depression,
IBQ_surgency = sum(IBQ_1 + IBQ_2+ IBQ_7 + IBQ_8, IBQ_13 + IBQ_14 + IBQ_15 + IBQ_20 + IBQ_21 + IBQ_26 + IBQ_27 + IBQ_36 + IBQ_37),
COPE_approach_Eis = COPE_2 + COPE_7 + COPE_5 + COPE_15 + COPE_10 + COPE_23 + COPE_12 + COPE_17 + COPE_14 + COPE_25 + COPE_20 + COPE_24,
COPE_avoidant_Eis = COPE_1 + COPE_19 + COPE_3 + COPE_8 + COPE_4 + COPE_11 + COPE_5 + COPE_15 + COPE_6 + COPE_16 + COPE_9 + COPE_21 + COPE_13 + COPE_26,
COPE_total = COPE_1 + COPE_2 + COPE_3 + COPE_4 + COPE_5 + COPE_6 + COPE_7 + COPE_8 + COPE_9 + COPE_10 + COPE_11 + COPE_12 + COPE_13 + COPE_14 + COPE_15 + COPE_16 + COPE_17 + COPE_18 + COPE_19 + COPE_20 + COPE_21 + COPE_22 + COPE_23 + COPE_24 + COPE_25 + COPE_26 + COPE_27 + COPE_28,
ISEL_appraisal = ISEL_2 + ISEL_4 + ISEL_6 + ISEL_11,
TIPS_total = TIPS_1 + TIPS_2 + TIPS_3 + TIPS_4 + TIPS_5 + TIPS_6 + TIPS_7 + TIPS_8 + TIPS_9 + TIPS_10 + TIPS_11 + TIPS_12 + TIPS_13 + TIPS_14
)
fit_imp <- with(df_3, exp = lm(DS_score ~ DASS_total + IBQ_surgency + COPE_total + ISEL_appraisal + TIPS_total))
##summary(pool(fit_imp))
##pool_imp <- pool(fit_imp)
我试着用这两个标签/评论代码池,但它们都导致错误消息。
1条答案
按热度按时间lstz6jyr1#
如果你仔细看
mice
documentation,这根本不是你获得多重估算推理的方式。您不应该“完成”数据。mice
结果有一个特殊的类,一些回归(例如lm
,glm
)有签名方法来处理该类-它适合每个填补的模型,* 输出 * 有一个特殊的类。然后,您可以直接在该输出上使用pool
获得这些回归的Rubin规则推断。缺失值应视为随机值。“完整”的存在有两个原因,其一:要查看敏感性分析的结果,请注意
action=
对结果的影响有很大的不同,并且默认值很长(如果Stef更新了1L
的默认值就好了)。第二种方法是手工回归和应用Rubin规则,以防默认值尚未添加到mice
中(例如GEE、最大似然等)。