Usando Amelia en R, obtuve múltiples conjuntos de datos imputados. Después de eso, realicé una prueba de medidas repetidas en SPSS. Ahora, quiero agrupar los resultados de las pruebas. Sé que puedo usar las reglas de Rubin (implementadas a través de cualquier paquete de imputación múltiple en R) para agrupar los medios y los errores estándar, pero ¿cómo puedo agrupar los valores p? ¿Es posible? ¿Hay una función en R para hacerlo? Gracias por adelantado.
11
Respuestas:
Sí , es posible y, sí, hay
R
funciones que lo hacen. En lugar de calcular los valores p de los análisis repetidos a mano, puede usar el paqueteZelig
, al que también se hace referencia en la viñeta delAmelia
paquete ( para obtener un método más informativo, consulte mi actualización a continuación ).Amelia
Usaré un ejemplo de la viñeta para demostrar esto:Este es el resultado correspondiente, incluidos los valores :p
zelig
Puede adaptarse a una gran cantidad de modelos que no sean mínimos cuadrados.Para obtener intervalos de confianza y grados de libertad para sus estimaciones, puede usar
mitools
:Esto le dará intervalos de confianza y una proporción de la varianza total atribuible a los datos faltantes:
Por supuesto, puede combinar los resultados interesantes en un solo objeto:
Actualizar
Después de jugar un poco, he encontrado una forma más flexible de obtener toda la información necesaria usando el
mice
paquete. Para que esto funcione, deberá modificar la función del paqueteas.mids()
. Use la versión de Gerko publicada en mi pregunta de seguimiento :Con esto definido, puede continuar analizando los conjuntos de datos imputados:
Esto le dará todos los resultados que se obtienen utilizando
Zelig
ymitools
más:Tenga en cuenta que con el usop df R2
pool()
también puede calcular los valores con ajustado para muestras pequeñas omitiendo el parámetro. Lo que es aún mejor, ahora también puede calcular y comparar modelos anidados:d f R 2method
fuente
mice.res <- summary(pool(mice.fit, method = "rubin1987"))
.Normalmente, tomaría el valor p aplicando las reglas de Rubin en parámetros estadísticos convencionales como los pesos de regresión. Por lo tanto, a menudo no es necesario agrupar los valores p directamente. Además, la estadística de razón de probabilidad se puede agrupar para comparar modelos. Los procedimientos de agrupación para otras estadísticas se pueden encontrar en mi libro Imputación flexible de datos faltantes, capítulo 6.
En los casos en que no se conoce una distribución o método, existe un procedimiento no publicado por Licht y Rubin para las pruebas unilaterales. Utilicé este procedimiento para agrupar los valores p del
wilcoxon()
procedimiento, pero es general y sencillo adaptarse a otros usos.Use el procedimiento a continuación SOLAMENTE si todo lo demás falla, ya que por ahora, sabemos poco acerca de sus propiedades estadísticas.
fuente
pool()
función en su paquete (que es excelente por cierto) al valor p agrupado?