多重插补嵌套数据集分组后执行线性回归的问题求助

核心错误点 #

代码2（map方式）的问题 #

你在map(lm, formula = wgt ~ bmi)这一步没有实现按reg分组执行回归：group_by(reg)只是给数据集添加了分组标记，但lm()不会自动遍历分组，最终每个插补数据集只跑了一个全局回归，而非分reg的分组回归，所以pool()后只能得到整体的模型结果，丢失了reg分组信息。

代码3（for循环方式）的问题 #

1. do(lm(...))返回的是lm模型对象，但do()要求每个分组必须返回数据框，因此触发类型错误；
2. data = boys_imp2[[i]]错误地引用了整个插补数据集，而非当前分组的子数据，应该用.指代do()中的当前分组数据。

正确实现方法 #

我们需要对每个插补数据集按reg分组跑回归，整理结果后再合并多重插补的估计值，最终得到和非插补数据格式一致的分组模型结果：

# 加载依赖包
library(mice)
library(tidyverse)

# 生成多重插补数据集
boys_imp <- mice(boys, printFlag = FALSE)

# 步骤1：遍历每个插补数据集，按reg分组跑回归并整理成tidy格式
imputed_tidy_results <- boys_imp %>%
  mice::complete("all") %>%
  map(function(imp_df) {
    imp_df %>%
      group_by(reg) %>%
      do(tidy(lm(wgt ~ bmi, data = .), conf.int = TRUE))
  })

# 步骤2：合并所有插补结果，添加插补编号标记
combined_results <- bind_rows(imputed_tidy_results, .id = "imputation")

# 步骤3：按reg和term分组，合并多重插补的估计值
pooled_group_results <- combined_results %>%
  group_by(reg, term) %>%
  summarise(
    # 用pool.scalar合并多重插补的估计值与标准误
    estimate = pool.scalar(estimate, std.error)$qbar,
    std.error = pool.scalar(estimate, std.error)$t,
    df = pool.scalar(estimate, std.error)$df,
    # 计算统计量、p值和置信区间
    statistic = estimate / std.error,
    p.value = 2 * pt(-abs(statistic), df = df),
    conf.low = estimate - qt(0.975, df) * std.error,
    conf.high = estimate + qt(0.975, df) * std.error,
    .groups = "drop"
  )

# 查看最终结果
print(pooled_group_results, n = Inf)

结果说明 #

最终输出的pooled_group_results格式和你期望的summary(mod1)完全一致，包含每个reg分组下的截距项、bmi系数的估计值、标准误、统计量、p值及置信区间，同时已经完成了多重插补结果的合并（符合Rubin规则）。

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