使用mice完成多重插补后合并结果遇“No tidy method for class qr”错误

错误原因 #

你的代码核心问题是违背了mice的标准工作流程：

1. 你将mids插补对象（imp）转成长格式数据框后手动计算总分，再用with()跑回归——这会让with()返回普通的线性回归结果（或分组结果），而非mice需要的mira对象（多个插补数据集的模型集合）。
2. pool()函数仅能处理mira对象，当传入普通lm对象时，会试图解析其内部的qr组件，从而触发"No tidy method for objects of class qr"错误。

另外，你的IBQ_surgency计算写法有隐患：sum(IBQ_1 + IBQ_2+ IBQ_7 + IBQ_8, IBQ_13 + ...)的sum()参数格式不规范，虽然结果可能正确，但更稳妥的方式是用rowSums()指定变量列表。

解决方案 #

方案一：直接在模型公式中计算总分（推荐，符合mice原生流程） #

无需提前处理数据集，直接在with(imp, ...)的模型公式里计算总分，让mice自动在每个插补数据集上执行计算与回归：

# 执行多重插补，得到mids对象
imp <- mice(df_2, m = 5, seed = 2023)

# 直接在with中对mids对象操作，公式内计算总分
fit_imp <- with(imp, 
                lm(DS_score ~ 
                     # DASS总分：21项求和
                     (DASS_1 + DASS_6 + DASS_8 + DASS_11 + DASS_12 + DASS_14 + DASS_18 +
                      DASS_2 + DASS_4 + DASS_7 + DASS_9 + DASS_15 + DASS_19 + DASS_20 +
                      DASS_3 + DASS_5 + DASS_10 + DASS_13 + DASS_16 + DASS_17 + DASS_21) +
                     # IBQ_surgency：指定项求和
                     (IBQ_1 + IBQ_2 + IBQ_7 + IBQ_8 + IBQ_13 + IBQ_14 + IBQ_15 + 
                      IBQ_20 + IBQ_21 + IBQ_26 + IBQ_27 + IBQ_36 + IBQ_37) +
                     # COPE总分：所有COPE项求和
                     (COPE_1 + COPE_2 + COPE_3 + COPE_4 + COPE_5 + COPE_6 + COPE_7 + 
                      COPE_8 + COPE_9 + COPE_10 + COPE_11 + COPE_12 + COPE_13 + COPE_14 + 
                      COPE_15 + COPE_16 + COPE_17 + COPE_18 + COPE_19 + COPE_20 + COPE_21 + 
                      COPE_22 + COPE_23 + COPE_24 + COPE_25 + COPE_26 + COPE_27 + COPE_28) +
                     # ISEL_appraisal：指定项求和
                     (ISEL_2 + ISEL_4 + ISEL_6 + ISEL_11) +
                     # TIPS总分：所有TIPS项求和
                     (TIPS_1 + TIPS_2 + TIPS_3 + TIPS_4 + TIPS_5 + TIPS_6 + TIPS_7 + 
                      TIPS_8 + TIPS_9 + TIPS_10 + TIPS_11 + TIPS_12 + TIPS_13 + TIPS_14)
                ))

# 合并插补模型结果
pool_imp <- pool(fit_imp)
# 查看合并后的结果
summary(pool_imp)

方案二：提前在每个插补数据集上计算总分（适合需复用总分的场景） #

如果需要将总分变量保留在数据集中，可以对每个插补数据集单独计算总分，再转回mids对象后执行回归：

imp <- mice(df_2, m = 5, seed = 2023)

# 对每个插补数据集计算总分，生成带总分的mids对象
imp_with_scores <- lapply(1:imp$m, function(i) {
  # 提取第i个插补数据集
  df <- complete(imp, i)
  # 计算各类总分
  df %>% mutate(
    DASS_total = rowSums(select(df, starts_with("DASS_"))), # 自动匹配所有DASS开头的变量
    IBQ_surgency = rowSums(select(df, IBQ_1, IBQ_2, IBQ_7, IBQ_8, 
                                  IBQ_13, IBQ_14, IBQ_15, IBQ_20, 
                                  IBQ_21, IBQ_26, IBQ_27, IBQ_36, IBQ_37)),
    COPE_total = rowSums(select(df, starts_with("COPE_"))),
    ISEL_appraisal = rowSums(select(df, ISEL_2, ISEL_4, ISEL_6, ISEL_11)),
    TIPS_total = rowSums(select(df, starts_with("TIPS_")))
  )
}) %>% 
  # 将列表转回mids对象
  mice::as.mids()

# 基于带总分的mids对象跑回归
fit_imp <- with(imp_with_scores, 
                lm(DS_score ~ DASS_total + IBQ_surgency + COPE_total + ISEL_appraisal + TIPS_total))

# 合并结果
pool_imp <- pool(fit_imp)
summary(pool_imp)

注意事项 #

• 计算总分时优先使用rowSums()，避免手动相加时遗漏变量或写错符号。
• 确保所有用于计算总分的变量在插补阶段被正确处理（即mice为这些变量指定了合适的插补方法）。

内容的提问来源于stack exchange，提问作者Lisa