Как применить модель, отличную от lm или glm, для умножения вмененных данных? - PullRequest
Новая
       32

Как применить модель, отличную от lm или glm, для умножения вмененных данных?

0 голосов
/ 20 марта 2020

У меня есть набор данных, содержащий идентификатор человека и 6 ответов на вопросник под названием sevenup: 

> names(sevup_mice_data)
[1] "record_id"  "sevenup_01" "sevenup_02" "sevenup_03" "sevenup_04" "sevenup_05" "sevenup_06" "sevenup_07"

Все ответы - числа от 0 до 5. В столбце sevenup_06 отсутствуют значения, поэтому Я хочу использовать mice для вменения этого.

Вот что я сделал до сих пор: 

sevup_mice <- mice(sevup_mice_data, m = 5, method = "pmm", seed = 0, 
                   predictorMatrix = quickpred(sevup_mice_data, exclude = "record_id"))

Теперь, в большинстве уроков, которые я видел, люди используют линейную модель и получить параметры подгонки, а затем объединить результаты, используя pool, например, что-то вроде: 

fit <- with(sevup_mice, exp = lm(sevenup_05 ~ sevenup_04 + sevenup_06))
pool(fit)

Однако мне не нужно подгонять lm к моим данным, я хочу только получить итоговую оценку за каждого человека, то есть сумму ответов на каждый вопрос.

Если бы я не вменял данные, я бы рассчитал их следующим образом: 

sevup_mice_data$sevup_score <- rowSums(sevup_mice_data[2:ncol(sevup_mice_data)], na.rm=TRUE)

Итак Я хотел бы сделать это для каждого из 5 вмененных наборов данных, содержащихся в sevup_mice, есть ли способ сделать это без al oop, например, с помощью функции with? И после этого я могу агрегировать результаты с pool, поскольку в результате моего анализа устанавливаются не параметры, а отдельные столбцы?

1 Ответ

1 голос
/ 20 марта 2020

Давайте попробуем это: 

library(mice)
set.seed(100)
mat = matrix(rnorm(100,rep(1:10,10)),ncol=10)
mat[sample(length(mat),20)]<-NA

Затем мы вменяем: 

imp = mice(mat,m = 5, method = "pmm")

Существует вызов функции complete, чтобы в основном завершить матрицу с использованием каждого вменения: 

impdata = complete(imp,"all")
head(impdata[[1]])
        V1       V2       V3        V4        V5        V6        V7        V8
1 5.116971 8.086186 0.561910 0.9088864 0.8983708 0.5529378 0.7380042 6.0127497
2 6.318630 2.096274 2.764061 3.8888065 4.4777166 0.2614021 6.5819589 0.9356443
3 2.921083 8.086186 3.261961 2.8620704 1.2232244 3.1788648 2.6211164 2.9379040
4 4.886785 6.611146 4.773405 3.8888065 4.6228674 5.8974657 6.5819589 2.9379040
5 5.116971 5.123380 4.185621 4.3099857 4.4777166 2.7280745 5.1298341 2.9379040
6 6.318630 5.970683 5.561549 5.7782058 7.3222310 6.9804641 5.2869750 6.0127497
        V9       V10
1 1.896822 0.4428777
2 5.842095 3.4283014
3 1.654651 7.8213169
4 2.068788 2.8424288
5 5.709582 4.4697035
6 5.842095 0.4428777

Если вы хотите делать суммы строк для каждого вмененного набора данных, вы делаете: 

sapply(impdata,rowSums)
             1        2        3        4        5
 [1,] 25.21572 25.27762 26.85518 18.89534 23.55415
 [2,] 36.59489 44.62157 43.48562 48.05143 35.17675
 [3,] 36.56838 34.46168 31.17314 30.25396 32.26478
 [4,] 45.11155 47.54594 46.59836 47.54594 45.11155
 [5,] 44.18877 44.18877 44.18877 44.18877 44.18877
 [6,] 55.51646 62.89490 63.89955 57.91601 58.50188
 [7,] 65.75129 68.00360 70.00043 65.89644 68.00360
 [8,] 77.44877 83.87630 86.05698 86.05698 87.27713
 [9,] 86.65979 91.35599 89.35916 86.65979 90.15827
[10,] 85.19222 90.37659 84.34492 86.62083 88.81410
...