MICE 可以通过函数 polr() 合并顺序逻辑回归 运行 的结果吗？
Can MICE pool results of ordinal logistic regression run by the function polr()?
我正在运行宁宁从加州大学洛杉矶分校下载的数据集
read.dta("https://stats.idre.ucla.edu/stat/data/ologit.dta")
并在自变量中随机分配一些缺失值：pared、public 和 gpa。然后我使用鼠标生成估算值和 运行 5 个具有估算值的完整数据集的序数逻辑回归。
DAT.imp=mice(DAT,print=FALSE)
DAT.fit.mice.plr = with(DAT.imp, polr(apply ~ pared + public + gpa))
summary(DAT.fit.mice.plr)
但是报错信息如下：
Error in as.data.frame.default(x) :
cannot coerce class ""polr"" to a data.frame
是不是pool()函数不能运行不属于lm的模型有问题？
我是否应该 运行 通过 polr() 分别为 5 个估算数据集建立模型并手动合并它们？
预先感谢您的任何回复。
我尝试安装最新版本的依赖包：
install.packages(c("mice", "MASS"), dep = TRUE)
得到结果
> summary(pool(mod))
estimate std.error statistic df p.value
pared 1.088364240 0.2675445 4.0679748 388.8699 5.744000e-05
public -0.007057661 0.3020328 -0.0233672 376.9368 9.813694e-01
gpa 0.628030991 0.2610602 2.4056945 387.3003 1.660783e-02
unlikely|somewhat likely 2.250628213 0.7816727 2.8792461 386.0658 4.206607e-03
somewhat likely|very likely 4.353582378 0.8076085 5.3907086 385.6545 1.219831e-07
> pool(mod)
Class: mipo m = 5
estimate ubar b t dfcom df
pared 1.088364240 0.07111586 0.0003868321 0.07158006 395 388.8699
public -0.007057661 0.08973729 0.0012387621 0.09122381 395 376.9368
gpa 0.628030991 0.06759665 0.0004631305 0.06815241 395 387.3003
unlikely|somewhat likely 2.250628213 0.60530521 0.0047558921 0.61101228 395 386.0658
somewhat likely|very likely 4.353582378 0.64589464 0.0052807731 0.65223157 395 385.6545
riv lambda fmi
pared 0.006527356 0.006485026 0.01155566
public 0.016565181 0.016295247 0.02147350
gpa 0.008221658 0.008154614 0.01323709
unlikely|somewhat likely 0.009428418 0.009340353 0.01443286
somewhat likely|very likely 0.009811086 0.009715764 0.01481172
略有不同。报告的统计数据也略有不同。我不确定它是否正确（仅由于估算）。但是代码 运行 没有错误。
我正在运行宁宁从加州大学洛杉矶分校下载的数据集
read.dta("https://stats.idre.ucla.edu/stat/data/ologit.dta")
并在自变量中随机分配一些缺失值：pared、public 和 gpa。然后我使用鼠标生成估算值和 运行 5 个具有估算值的完整数据集的序数逻辑回归。
DAT.imp=mice(DAT,print=FALSE)
DAT.fit.mice.plr = with(DAT.imp, polr(apply ~ pared + public + gpa))
summary(DAT.fit.mice.plr)
但是报错信息如下：
Error in as.data.frame.default(x) :
cannot coerce class ""polr"" to a data.frame
是不是pool()函数不能运行不属于lm的模型有问题？ 我是否应该 运行 通过 polr() 分别为 5 个估算数据集建立模型并手动合并它们？ 预先感谢您的任何回复。
我尝试安装最新版本的依赖包：
install.packages(c("mice", "MASS"), dep = TRUE)
得到结果
> summary(pool(mod))
estimate std.error statistic df p.value
pared 1.088364240 0.2675445 4.0679748 388.8699 5.744000e-05
public -0.007057661 0.3020328 -0.0233672 376.9368 9.813694e-01
gpa 0.628030991 0.2610602 2.4056945 387.3003 1.660783e-02
unlikely|somewhat likely 2.250628213 0.7816727 2.8792461 386.0658 4.206607e-03
somewhat likely|very likely 4.353582378 0.8076085 5.3907086 385.6545 1.219831e-07
> pool(mod)
Class: mipo m = 5
estimate ubar b t dfcom df
pared 1.088364240 0.07111586 0.0003868321 0.07158006 395 388.8699
public -0.007057661 0.08973729 0.0012387621 0.09122381 395 376.9368
gpa 0.628030991 0.06759665 0.0004631305 0.06815241 395 387.3003
unlikely|somewhat likely 2.250628213 0.60530521 0.0047558921 0.61101228 395 386.0658
somewhat likely|very likely 4.353582378 0.64589464 0.0052807731 0.65223157 395 385.6545
riv lambda fmi
pared 0.006527356 0.006485026 0.01155566
public 0.016565181 0.016295247 0.02147350
gpa 0.008221658 0.008154614 0.01323709
unlikely|somewhat likely 0.009428418 0.009340353 0.01443286
somewhat likely|very likely 0.009811086 0.009715764 0.01481172
略有不同。报告的统计数据也略有不同。我不确定它是否正确（仅由于估算）。但是代码 运行 没有错误。