基于MICE插补数据集的配对样本t检验与Cohen's d估计方法咨询
针对MICE插补后配对t检验与Cohen's d计算的解决方案
一、提取完整插补数据集
你可以通过complete()函数从MICE生成的插补对象中提取所有12个插补后的数据集,存为列表格式,方便后续逐个分析:
# 假设你的MICE插补对象名为imp imputed_datasets <- lapply(1:12, function(i) complete(imp, action = i))
二、在每个插补数据集上执行配对t检验
用lapply()遍历所有插补数据集,运行配对t检验并保存结果:
# 假设配对变量为pre(前测)和post(后测) t_test_results <- lapply(imputed_datasets, function(df) { t.test(df$pre, df$post, paired = TRUE) })
三、用Rubin规则合并t检验结果
手动实现Rubin规则整合多个插补的t检验结果,得到合并后的统计量:
# 提取每个插补结果的关键指标 estimates <- sapply(t_test_results, function(x) x$estimate) ses <- sapply(t_test_results, function(x) x$stderr) dfs <- sapply(t_test_results, function(x) x$parameter) # 计算合并估计值 pooled_est <- mean(estimates) # 计算组内方差均值 w_var <- mean(ses^2) # 计算组间方差 b_var <- var(estimates) # 合并总方差 total_var <- w_var + (1 + 1/12)*b_var pooled_se <- sqrt(total_var) # 计算调整后的合并自由度(Barnard-Rubin法) df_pooled <- (12 - 1) * (1 + (w_var / ((1 + 1/12)*b_var)))^2 # 得到合并t值与p值 pooled_t <- pooled_est / pooled_se pooled_p <- 2 * pt(-abs(pooled_t), df = df_pooled)
四、计算并合并配对样本Cohen's d
先定义配对Cohen's d的计算函数,再遍历插补数据集计算,最后合并结果:
# 配对Cohen's d计算函数 paired_cohens_d <- function(pre, post) { diff <- post - pre mean_diff <- mean(diff) sd_diff <- sd(diff) return(mean_diff / sd_diff) } # 计算每个插补数据集的d值 d_values <- sapply(imputed_datasets, function(df) { paired_cohens_d(df$pre, df$post) }) # 合并d值(通常取均值即可,若需更严谨可结合方差合并) pooled_d <- mean(d_values)
五、对比完整案例分析结果
将完整案例的分析结果与MICE合并结果直接对比:
# 提取完整案例数据 complete_case <- na.omit(original_data) # 完整案例配对t检验与Cohen's d cc_t_test <- t.test(complete_case$pre, complete_case$post, paired = TRUE) cc_d <- paired_cohens_d(complete_case$pre, complete_case$post) # 输出对比结果 cat("完整案例分析结果:\n") cat("t值:", round(cc_t_test$statistic, 3), "p值:", round(cc_t_test$p.value, 3), "Cohen's d:", round(cc_d, 3), "\n\n") cat("MICE合并分析结果:\n") cat("t值:", round(pooled_t, 3), "p值:", round(pooled_p, 3), "Cohen's d:", round(pooled_d, 3), "\n")
思路合理性说明
你的现有步骤完全没问题,with()+summary()适合线性模型的参数合并,但针对t检验这类非模型类分析,提取完整插补数据集后逐个分析再用Rubin规则合并是行业标准做法,无需调整核心思路。
内容的提问来源于stack exchange,提问作者Seafra Barrett
相关产品推荐
相关产品推荐

