Usando Amelia em R, obtive vários conjuntos de dados imputados. Depois disso, realizei um teste de medidas repetidas no SPSS. Agora, quero reunir os resultados dos testes. Eu sei que posso usar as regras do Rubin (implementadas por meio de qualquer pacote de imputação múltipla em R) para agrupar meios e erros padrão, mas como faço para agrupar valores-p? É possível? Existe uma função no R para fazer isso? Desde já, obrigado.
11
Respostas:
Sim , é possível e, sim, existem
R
funções que o fazem. Em vez de calcular manualmente os valores-p das análises repetidas, você pode usar o pacoteZelig
, que também é referido na vinheta doAmelia
pacote-( para um método mais informativo, veja minha atualização abaixo ). Vou usar um exemplo daAmelia
vinheta para demonstrar isso:Esta é a saída correspondente, incluindo valores- :p
zelig
pode caber em uma série de modelos que não sejam mínimos quadrados.Para obter intervalos de confiança e graus de liberdade para suas estimativas, você pode usar
mitools
:Isso fornecerá intervalos de confiança e proporção da variação total atribuível aos dados ausentes:
Claro que você pode apenas combinar os resultados interessantes em um objeto:
Atualizar
Depois de algumas brincadeiras, encontrei uma maneira mais flexível de obter todas as informações necessárias usando o
mice
pacote Para que isso funcione, você precisará modificar aas.mids()
função -pacote. Use a versão de Gerko postada na minha pergunta de acompanhamento :Com isso definido, você pode continuar analisando os conjuntos de dados imputados:
Isto lhe dará todos os resultados que você começa usando
Zelig
emitools
e mais:Observe quep df R2
pool()
você também pode calcular os valores de com ajustado para amostras pequenas, omitindo o parâmetro O que é ainda melhor, agora você também pode calcular e comparar modelos aninhados:method
fonte
mice.res <- summary(pool(mice.fit, method = "rubin1987"))
.Normalmente, você usaria o valor de p aplicando as regras de Rubin em parâmetros estatísticos convencionais, como pesos de regressão. Portanto, muitas vezes não há necessidade de agrupar valores-p diretamente. Além disso, a estatística da razão de verossimilhança pode ser combinada para comparar modelos. Os procedimentos de agrupamento para outras estatísticas podem ser encontrados no meu livro Imputação flexível de dados ausentes, capítulo 6.
Nos casos em que não há distribuição ou método conhecido, existe um procedimento não publicado de Licht e Rubin para testes unilaterais. Eu usei esse procedimento para agrupar valores p do
wilcoxon()
procedimento, mas é geral e direto adaptar-se a outros usos.Use o procedimento abaixo SOMENTE se tudo mais falhar, por enquanto, sabemos pouco sobre suas propriedades estatísticas.
fonte
pool()
função no seu pacote (que é excelente por sinal) chega ao valor p combinado?