Używając Amelii w R, uzyskałem wiele przypisanych zestawów danych. Następnie wykonałem test z powtarzanymi pomiarami w SPSS. Teraz chcę połączyć wyniki testu. Wiem, że mogę używać reguł Rubina (zaimplementowanych w dowolnym pakiecie wielokrotnej imputacji w R) do łączenia średnich i standardowych błędów, ale jak mam łączyć wartości p? Czy to możliwe? Czy w R jest taka funkcja? Z góry dziękuję.
11
Odpowiedzi:
Tak , jest to możliwe i tak, są
R
funkcje, które to robią. Zamiast obliczania P-wartości powtarzanych analiz przez strony, można skorzystać z pakietuZelig
, który jest również określany w winiety naAmelia
-package ( dla metody bardziej informacyjny zobaczyć moją aktualizację poniżej ). Wykorzystam przykład zAmelia
-winiety, aby to zademonstrować:Jest to odpowiedni wynik, w tym wartości :p
zelig
zmieści wiele modeli innych niż najmniejsze kwadraty.Aby uzyskać przedziały ufności i stopnie swobody dla swoich oszacowań, możesz użyć
mitools
:Zapewni to przedziały ufności i odsetek całkowitej wariancji, który można przypisać brakującym danym:
Oczywiście możesz po prostu połączyć interesujące wyniki w jeden obiekt:
Aktualizacja
Po
mice
krótkiej zabawie znalazłem bardziej elastyczny sposób na uzyskanie wszystkich niezbędnych informacji za pomocą pakietu. Aby to zadziałało, musisz zmodyfikować funkcję pakietuas.mids()
. Użyj wersji Gerko opublikowanej w moim kolejnym pytaniu :Po zdefiniowaniu tego można przejść do analizy przypisanych zbiorów danych:
To daje wszystkie wyniki można uzyskać przy użyciu
Zelig
imitools
więcej:pool()
method
źródło
mice.res <- summary(pool(mice.fit, method = "rubin1987"))
.Zwykle wziąłbyś wartość p, stosując reguły Rubina dotyczące konwencjonalnych parametrów statystycznych, takich jak wagi regresji. Dlatego często nie ma potrzeby bezpośredniego łączenia wartości p. Również statystykę prawdopodobieństwa można połączyć w celu porównania modeli. Procedury łączenia dla innych statystyk można znaleźć w mojej książce Elastyczne przypisywanie brakujących danych, rozdział 6.
W przypadkach, w których nie ma znanej dystrybucji lub metody, istnieje niepublikowana procedura Licht i Rubin dotycząca testów jednostronnych. Użyłem tej procedury do zebrania wartości p z
wilcoxon()
procedury, ale jest ona ogólna i łatwa w adaptacji do innych zastosowań.Zastosuj poniższą procedurę TYLKO, jeśli wszystko inne zawiedzie, ponieważ na razie niewiele wiemy o jej właściwościach statystycznych.
źródło
pool()
funkcja w twoim pakiecie (która jest doskonała przy okazji) osiąga zbiorczą wartość p?