具有多重插补数据的二元逻辑回归

Binary logistic regression with multiply imputed data

我一直在尝试使用 R(即 MICE)中可用的选项来进行二元逻辑回归分析(在连续预测变量和分类预测变量之间进行交互)。

但是,我正在努力对乘法估算数据进行这种简单的分析(详细信息和可重现的示例 here)。

具体来说,我无法找到一种方法来汇集输出的各个方面,包括使用 Mice 的 GLM 函数 'log likelihood ratio' 的等价物。

为了避免之前 post 的冗余,我正在寻求任何关于 R 包或其他软件的建议,这些建议可能 easy/possible 汇集二元逻辑回归输出的所有基本组成部分(即相当于模型似然比检验、回归系数、wald 检验)。请参见下面的示例,该示例是我能够在非估算数据上使用 rms 获得的(无法找到一种方法 运行 在乘法估算数据上使用此方法)

> mylogit
 Frequencies of Missing Values Due to Each Variable
 P1    ST   P8 
 18    0   31 

 Logistic Regression Model

 lrm(formula = P1 ~ ST + P8 + ST * P8, data = PS, x = TRUE, 
 y = TRUE)


 Model Likelihood     Discrimination    Rank Discrim.    
  Ratio Test           Indexes           Indexes       
  Obs           362    LR chi2     18.34    R2       0.077    C       0.652    
  0            287    d.f.            9    g        0.664    Dxy     0.304    
  1             75    Pr(> chi2) 0.0314    gr       1.943    gamma   0.311    

  max |deriv| 8e-08    gp     0.099    tau-a   0.100       Brier    0.155                     

                      Coef    S.E.   Wald Z Pr(>|Z|)
 Intercept          -0.5509 0.3388 -1.63  0.1040  
 ST=       2      -0.5688 0.4568 -1.25  0.2131  
 ST=       3      -0.7654 0.4310 -1.78  0.0757  
 ST=       4      -0.7995 0.5229 -1.53  0.1263  
 ST=       5      -1.2813 0.4276 -3.00  0.0027  
 P8                 0.2162 0.4189  0.52  0.6058  
 ST=       2 * P8 -0.1527 0.5128 -0.30  0.7659  
 ST=       3 * P8 -0.0461 0.5130 -0.09  0.9285  
 ST=       4 * P8 -0.5031 0.5635 -0.89  0.3719  
 ST=       5 * P8  0.3661 0.4734  0.77  0.4393  

总而言之,我的问题是:1) package/software 能够处理乘法估算数据以完成传统的二元逻辑回归分析,尤其是交互项 2) 我需要采取的可能步骤运行那个程序中的分析

rms package 具有使用 fit.mult.impute() 函数组合乘法插补数据的强大功能。这是一个小的工作示例:

dat <- mtcars
## introduce NAs
dat[sample(rownames(dat), 10), "cyl"] <- NA
im <- aregImpute(~ cyl + wt + mpg + am, data = dat)
fit.mult.impute(am ~ cyl + wt + mpg, xtrans = im, data = dat, fitter = lrm)