R语言中mice多重插补后转因变量为因子并合并有序回归的方法

问题背景 #

因变量是0-7区间保留1位小数的Likert量表得分平均值，不服从正态分布，需采用有序回归而非线性回归。但插补前将其转换为因子会导致插补失败，因此先完成多重插补，再转换因变量为因子，却在合并模型时遇到错误——直接用插补后的完整数据集拟合模型，无法通过pool_mi正常合并。

解决方案 #

核心思路是直接在mice生成的mids插补对象中修改因变量类型，而非导出为独立数据集，这样后续拟合的模型会保留插补元数据，支持正确合并。

步骤1：修改mids对象中的因变量类型

插补完成后，循环修改每个插补数据集里的因变量为有序因子（有序回归要求有序因子，而非普通因子），同时修正原始数据中的变量类型：

# 执行多重插补
imp_data <- mice(my_data, seed = 4764638)

# 循环修改每个插补数据集的因变量为有序因子
for (i in 1:imp_data$m) {
  imp_data$imp$likert_var[[i]] <- factor(imp_data$imp$likert_var[[i]], ordered = TRUE)
}

# 修改原始数据中的因变量类型（避免拟合时冲突）
imp_data$data$likert_var <- factor(imp_data$data$likert_var, ordered = TRUE)

步骤2：批量拟合并合并模型

使用mice原生的with()函数在mids对象上批量拟合所有插补数据集的模型，再用pool()合并结果：

# 批量拟合有序回归模型
fit_models <- with(imp_data, clm(likert_var ~ time + v1 + v2))

# 合并插补模型结果
pooled_results <- pool(fit_models)

# 查看合并后的汇总结果
summary(pooled_results)

备选方案：用miceadds直接拟合

如果习惯用miceadds包，可直接调用mi.clm()函数在mids对象上完成拟合与合并：

# 直接基于mids对象拟合并合并有序回归模型
fit_mi_clm <- miceadds::mi.clm(imputation = imp_data, formula = likert_var ~ time + v1 + v2)

# 查看结果
summary(fit_mi_clm)

关键说明 #

之前的方法失败是因为：直接从mids对象导出完整数据集拟合的模型，丢失了插补所需的元数据，pool_mi无法识别这些模型来自多重插补的数据集。而直接操作mids对象，拟合的模型会自动关联插补信息，确保合并逻辑正确。

内容的提问来源于stack exchange，提问作者madeleine