mitools::MIcombine与mice::pool的区别及代码正确性咨询

核心差异 #

• 适用场景与依赖框架：
  • mitools::MIcombine 专为带调查权重的多重插补数据设计，配合survey包的复杂抽样分析流程使用，专门处理从多个插补样本中得到的调查统计量（比如加权分位数、加权均值）。
  • mice::pool 是mice包生态的一部分，主要用于合并mice生成的mids插补对象对应的模型结果（比如线性回归、逻辑回归的系数），默认遵循Rubin规则，但只适配mice的插补结构。
• 处理对象：
  • MIcombine 直接接收多个插补样本计算出的统计量向量/矩阵，不需要绑定特定的插补对象格式。
  • pool 必须输入由mice::with()生成的mira对象（即每个插补样本上拟合的模型集合），不能直接处理分位数这类描述性统计量。

你的代码正确性判断 #

你写的这段代码是正确的：

dsurvey<- svydesign(id =~0, data = imp_list, weights =~wgt)
MIcombine(with(dsurvey, svyquantile(~variable, c(0.25,0.5,0.75))))

原因是：

1. 你用svydesign正确指定了调查权重，imp_list作为多重插补数据集，mitools可以识别并处理每个插补样本的加权分析。
2. with(dsurvey, svyquantile(...))会在每个插补样本上计算加权四分位数（包括中位数），MIcombine则按照适配调查数据的Rubin规则合并这些结果，得到最终的分位数估计和对应的变异度。

是否需要改用pool()？ #

不需要。理由：

• pool()无法直接处理svyquantile生成的分位数统计量，它的核心是合并模型参数，而非描述性的加权统计量。
• 你的分析流程是基于mitools+survey的复杂调查多重插补框架，MIcombine是这个框架下的标准合并工具，比pool()更适配你的需求。

内容的提问来源于stack exchange，提问作者user21683212