如何获取多重插补数据混合模型的R²、F统计量与p值？

对于用mice包完成多重插补后拟合的线性模型，要获取模型整体的F值，有两种可行方法：

方法一：手动计算（无需额外包） #

先通过pool()得到合并后的模型结果，再结合样本量、预测变量数推导F值：

# 先合并插补模型
pooled_model <- pool(model1)
# 获取回归自由度（预测变量个数，不含截距）
df_reg <- length(pooled_model$pooled$estimate) - 1
# 获取原始样本量
n <- nrow(imp$data)
# 计算残差均方（MSE）和回归均方（MSR）
mse <- pooled_model$pooled$sigma^2
msr <- sum(pooled_model$pooled$estimate[-1] * coef(pooled_model)[-1]) / df_reg
# 计算F值
f_value <- msr / mse

方法二：借助miceadds包快速获取 #

miceadds包的pool.compare()函数可以直接对比全模型和空模型，输出整体F检验结果：

# 先安装并加载miceadds包（首次使用需安装）
# install.packages("miceadds")
library(miceadds)
# 拟合仅含截距的空模型
null_model <- with(imp, lm(outcome ~ 1))
# 对比全模型与空模型，获取检验统计量
model_compare <- pool.compare(model1, null_model = null_model)
# 提取F值
f_value <- model_compare$test$F

内容的提问来源于stack exchange，提问作者lanmi