汇集估算数据集的 glmers

问题：

我有一个数据集，其中缺少一些预测变量值。我想要池glmer已应用于这些插补集的模型一起。我正在使用mice包来创建插补（我也使用过amelia and mi也没有成功）。我想主要提取固定效应。

使用pool()mouse 包中的函数返回错误：

Error in qhat[i, ] : incorrect number of dimensions

我尝试使用和改编以前的重写pool()函数在这里：

https://github.com/stefvanbuuren/mice/pull/5 https://github.com/stefvanbuuren/mice/pull/5

我可能忽略了一个明显的解决方案！

这是一个例子：

# 1. create data (that can be replicated and converge later)

data = data.frame(x1=c(rep("1",0.1*1000), rep("0",0.5*1000), 
                       rep("1",0.3*1000), rep("0",0.1*1000)), 
                  x2=c(rep("fact1",0.55*1000), rep("fact2",0.1*1000), 
                       rep(NA,0.05*1000), rep("fact3",0.3*1000)),
                  centre=c(rep("city1",0.1*1000), rep("city2",0.2*1000), 
                           rep("city3",0.15*1000), rep("city1",0.25*1000), 
                           rep("city2",0.3*1000)                          ))

# 2. set factors
data = sapply(data, as.factor)

# 3. mice imputation 
library(mice)
imp.data = mice(data, m=5, maxit=20, seed=1234, pri=F) 

# 4. apply the glmer function
library(lme4)
mice.fit = with(imp.data, glmer(x1~x2+(1|centre), family='binomial'))

# 5. pool imputations together
pooled.mi = pool(mice.fit)

我在步骤 4 中应用的另一个函数如下，希望它能创建一个适合的对象pool().

mice.fit = lapply(imp.data$imp, function(d){ glmer(x1~x2+(1|centre), data=d, 
                                                   family='binomial')        })

我有一个解决方法，涉及使用荟萃分析模型来汇集每个固定效应的结果glmer楷模。这确实有效，但让鲁宾模型发挥作用会更好。

在制作了我自己的叉子后，这对我有用mice，将上面引用的扩展版本拉入其中，然后稍微清理一下：尝试

devtools::install_github("bbolker/mice")

看看之后你的流程进展如何。 （如果有效，有人应该提交提醒/新的拉取请求......）