У меня есть три представляющих интерес результата, каждый из которых измеряется несколько раз (до, во время и после вмешательства). Учитывая мою структуру данных (и поскольку меня не всегда интересуют случайные эффекты), я пытаюсь применить кластерно-устойчивый подход к многомерной регрессии. Мой код выглядит примерно так:
library(estimatr)
y <- cbind(a, b, c)
lm.robust <- lm_robust(y~factor(Timepoint), clusters = ID, data = outcome.data)
summary(lm.robust)
Как и ожидалось, когда я запускаю этот код, сводка разбивает каждую переменную результата отдельно. Исходя из прошлого опыта использования многомерных моделей с использованием lm(), я ожидал бы, что эта часть вывода будет идентична выполнению трех отдельных моделей, каждая с переменными «a», «b» и «c» в качестве зависимых переменных. Однако вместо этого для каждой исходной переменной, отличной от первой, многомерная модель вычисляет оценку, стандартную ошибку и значение, но возвращает NA вместо p-значений и доверительных интервалов и значений r-квадрата, которые она Возвраты смехотворно высоки (например, скорректированы r2 = .97). Это верно независимо от порядка моих зависимых переменных (т. Е. Если порядок abc, сводка возвращает правильные коэффициенты для «a», но не для «b» или «c»; если порядок «bca», то Summary возвращает правильные коэффициенты для «b», но не «c» или «a»).
Я пытаюсь понять, почему это так. Возможно, стоит отметить, что в моих исходных переменных достаточно много пропусков. Любое понимание очень ценится!