4

我正在尝试将miceR 中的包用于一个项目，并发现汇集的结果似乎改变了我为输出中的一个变量所拥有的虚拟代码。

详细地说，假设我有一个因子 ，foo有两个级别：0和1。使用正则lm通常会产生 的估计值foo1。但是，使用mice和函数会产生 的估计值。我在下面使用包中的数据集包含了一个可重现的示例。任何想法为什么可能会发生？poolfoo2nhanesmice

require(mice)

# Create age as: 0, 1, 2
nhanes$age <- as.factor(nhanes$age - 1)
head(nhanes)

#     age  bmi hyp chl
#  1   0   NA  NA  NA
#  2   1 22.7   1 187
#  3   0   NA   1 187
#  4   2   NA  NA  NA
#  5   0 20.4   1 113
#  6   2   NA  NA 184

# Use a regular lm with missing data just to see output
# age1 and age2 come up as expected

lm(chl ~ age + bmi, data = nhanes)

# Call:
#   lm(formula = chl ~ age + bmi, data = nhanes)

# Coefficients:
#   (Intercept)      age1         age2          bmi  
#     -28.948       55.810      104.724        6.921 

imp <- mice(nhanes)
str(complete(imp)) # still the same coding

fit <- with(imp, lm(chl ~ age + bmi))
pool(fit)

# Now the estimates are for age2 and age3

# Call: pool(object = fit)

# Pooled coefficients:
#   (Intercept)        age2        age3         bmi 
#    29.88431       43.76159    56.57606     5.05537
4

1 回答 1

4

显然，该mice函数设置了因素的对比。所以你得到以下信息（查看列名）：

contrasts(nhanes$age)
##    1 2
##  0 0 0
##  1 1 0
##  2 0 1
contrasts(imp$data$age)
##    2 3
##  0 0 0
##  1 1 0
##  2 0 1

您可以只更改估算数据的对比度，然后您将获得相同的虚拟编码：

imp <- mice(nhanes)
contrasts(imp$data$age) <- contrasts(nhanes$age)
fit <- with(imp, lm(chl ~ age + bmi))
pool(fit)

##  Call: pool(object = fit)
##  
##  Pooled coefficients:
##  (Intercept)        age1        age2         bmi 
##    0.9771566  47.6351257  63.1332336   6.2589887 
##  
##  Fraction of information about the coefficients missing due to nonresponse: 
##  (Intercept)        age1        age2         bmi 
##    0.3210118   0.5554399   0.6421063   0.3036489
于 2014-03-17T10:02:56.390 回答