在R中按国家分组重复回归（适配多重插补数据集）

核心思路 #

因为你的implist是多个插补后数据集的列表，所以要先对每个插补数据集按国家ID拆分，逐个国家跑模型提取系数，最后汇总所有插补结果。

具体步骤与代码 #

1. 定义单个数据集的处理函数
   这个函数负责把单个插补数据集按国家拆分，跑模型并提取income和age的系数，同时处理样本量不足的情况（避免模型报错）：

extract_coefs <- function(data) {
  # 按国家ID拆分数据集
  country_subsets <- split(data, data$country_id)
  
  # 遍历每个国家子集处理
  country_res <- lapply(country_subsets, function(sub_data) {
    # 检查样本量：至少要有2个不同学校+足够样本量才能跑混合模型
    if (length(unique(sub_data$school)) < 2 || nrow(sub_data) < 10) {
      return(data.frame(
        country_id = unique(sub_data$country_id),
        income_coef = NA,
        age_coef = NA,
        stringsAsFactors = FALSE
      ))
    }
    
    # 运行lmer模型
    model <- lmer(happy ~ income + age + sex + education + city + (1|school), data = sub_data)
    
    # 提取系数
    coef_summary <- coef(summary(model))
    income_coef <- coef_summary["income", "Estimate"]
    age_coef <- coef_summary["age", "Estimate"]
    
    # 返回当前国家的结果
    data.frame(
      country_id = unique(sub_data$country_id),
      income_coef = income_coef,
      age_coef = age_coef,
      stringsAsFactors = FALSE
    )
  })
  
  # 合并当前插补数据集里所有国家的结果
  do.call(rbind, country_res)
}

2. 批量处理所有插补数据集
   把上面的函数应用到implist里的每一个插补数据集：

# 生成所有插补数据集的结果列表
all_imp_results <- lapply(implist, extract_coefs)

# 把所有结果合并成一个大的数据框
combined_results <- do.call(rbind, all_imp_results)

3. 汇总多重插补的最终结果
   如果需要得到每个国家在多重插补后的平均系数，可以用dplyr做分组汇总：

library(dplyr)
final_coefs <- combined_results %>%
  group_by(country_id) %>%
  summarise(
    avg_income_coef = mean(income_coef, na.rm = TRUE),
    avg_age_coef = mean(age_coef, na.rm = TRUE),
    valid_imputations = sum(!is.na(income_coef))  # 统计有效插补次数
  )

注意事项 #

• 样本量判断的阈值（比如10个样本、2个学校）可以根据你的实际数据调整，避免模型不收敛或结果不可靠
• 如果需要更严谨的多重插补结果合并（比如计算标准误、置信区间），可以扩展函数提取标准误后，用Rubin规则手动计算，或者结合mice包的相关工具
• 如果你的implist是mice包生成的，也可以考虑用with()结合分组，但手动拆分的方式更灵活可控

内容的提问来源于stack exchange，提问作者onelovec