多重插补数据集匹配后，如何设置模型分类变量参考水平（如KOA设为1）？

要将分类变量KOA的参考水平设为1而非0，核心是修改变量的因子水平顺序，可以通过以下两种方式实现：

方法一：拟合模型时临时调整 #

无需修改原始插补或匹配数据集，直接在svyglm的公式中用relevel()指定参考水平：

library(MatchThem)
library(mice)
library(survey)

data("osteoarthritis")

# 执行多重插补
imputed.datasets <- mice(osteoarthritis, m = 5)

# 完成匹配操作
matched.datasets <- matchthem(OSP ~ AGE + SEX + BMI + RAC + SMK,
                              datasets = imputed.datasets,
                              approach = 'within',
                              method = 'nearest',
                              caliper = 0.05,
                              ratio = 2)

# 拟合模型时将KOA的参考水平设为1
matched.models <- with(matched.datasets,
                       svyglm(relevel(factor(KOA), ref = "1") ~ OSP, family = quasibinomial()),
                       cluster = TRUE)

如果KOA原本已经是因子类型，可简化为relevel(KOA, ref = "1")。

方法二：预处理插补数据集（匹配前统一修改） #

如果希望所有后续分析都默认以1作为KOA的参考水平，可以先修改每个插补数据集的变量属性：

library(MatchThem)
library(mice)
library(survey)

data("osteoarthritis")

# 定义修改KOA参考水平的函数
adjust_koa_ref <- function(data) {
  data$KOA <- relevel(factor(data$KOA), ref = "1")
  return(data)
}

# 对所有插补数据集应用修改
imputed.datasets <- mice(osteoarthritis, m = 5)
imputed.datasets$imp <- lapply(imputed.datasets$imp, adjust_koa_ref)

# 后续匹配和建模保持原有代码逻辑
matched.datasets <- matchthem(OSP ~ AGE + SEX + BMI + RAC + SMK,
                              datasets = imputed.datasets,
                              approach = 'within',
                              method = 'nearest',
                              caliper = 0.05,
                              ratio = 2)

matched.models <- with(matched.datasets,
                       svyglm(KOA ~ OSP, family = quasibinomial()),
                       cluster = TRUE)

验证调整结果 #

拟合模型后，执行summary(pool(matched.models))查看输出，确认KOA的参考组已设为1——结果中OSP的系数代表的是相对于参考组1的效应。

内容的提问来源于stack exchange，提问作者Science11