Используя Amelia в R, я получил несколько вмененных наборов данных. После этого я выполнил повторный тест в SPSS. Теперь я хочу объединить результаты испытаний. Я знаю, что могу использовать правила Рубина (реализованные через любой пакет множественного вменения в R) для объединения средств и стандартных ошибок, но как мне объединить p-значения? Является ли это возможным? Есть ли в R функция для этого? Заранее спасибо.
11
Ответы:
Да , это возможно, и да, есть
R
функции, которые это делают. Вместо вычисления р-значений повторных анализов вручную, вы можете использовать пакетZelig
, который также упоминается в виньетка вAmelia
-package ( для более информативного метода видеть мое обновление ниже ). Я буду использовать пример изAmelia
-vignette, чтобы продемонстрировать это:Это соответствующий вывод, включая :п
zelig
может соответствовать множеству моделей, отличных от наименьших квадратов.Чтобы получить доверительные интервалы и степени свободы для ваших оценок, вы можете использовать
mitools
:Это даст вам доверительные интервалы и долю общей дисперсии, которая относится к отсутствующим данным:
Конечно, вы можете просто объединить интересные результаты в один объект:
Обновить
Поработав, я нашел более гибкий способ получения всей необходимой информации с помощью
mice
-package. Чтобы это работало, вам нужно изменитьas.mids()
-функцию пакета . Используйте версию Герко, опубликованную в моем последующем вопросе :С этим определением вы можете продолжить анализ вмененных наборов данных:
Это даст вам все результаты , которые вы получите , используя
Zelig
иmitools
и многое другое:Обратите внимание, что при помощип dе р2
pool()
вы также можете вычислить с скорректированным для небольших выборок, опуская -параметр. Что еще лучше, теперь вы также можете рассчитать и сравнить вложенные модели:method
источник
mice.res <- summary(pool(mice.fit, method = "rubin1987"))
.Обычно вы берете значение p, применяя правила Рубина к обычным статистическим параметрам, таким как веса регрессии. Таким образом, часто нет необходимости напрямую объединять p-значения. Кроме того, статистика отношения правдоподобия может быть объединена для сравнения моделей. Процедуры объединения других статистических данных можно найти в моей книге «Гибкое исчисление отсутствующих данных», глава 6.
В тех случаях, когда нет известного распределения или метода, существует неопубликованная процедура Licht и Rubin для односторонних тестов. Я использовал эту процедуру для объединения p-значений из
wilcoxon()
процедуры, но она проста и понятна для адаптации к другим применениям.Используйте процедуру, приведенную ниже, ТОЛЬКО если все остальное терпит неудачу, поскольку на данный момент мы мало знаем о его статистических свойствах.
источник
pool()
функция в вашем пакете ( кстати, отличная) достигает объединенного p-значения?