如何对MICE插补得到的pooled GLM使用simulate函数开展数据模拟

核心限制说明 #

pool()函数返回的mipo类多重插补合并结果对象，没有内置的simulate方法，无法直接像原生glm对象那样调用simulate()完成模拟。要完全对齐你给出的原生glmsimulate的行为，需要手动复现simulate.glm对二元logit模型的内置逻辑，再用合并后的系数完成计算。

原生simulate对二元logit模型的默认行为 #

对应你参考代码中simulate(glm3_ref)[,1]的实际执行逻辑：

• 用模型的点估计系数计算每个观测的线性预测值eta = Xβ
• 通过logit函数的逆变换（即plogis()）把线性预测值转成事件发生概率p
• 对每个观测，从成功概率为p的伯努利分布中抽取二元响应值，默认不引入参数本身的不确定性扰动

分步实现 #

• 提取多重插补合并后的回归系数

# 从pool结果中获取合并点估计系数
pooled_coef <- coef(glm_pooled)

• 构建和建模公式完全匹配的设计矩阵
  这里要注意严格对齐公式展开的结构（包括哑变量生成、交互项构造、无截距设置），避免维度不匹配：

# 取任意一个完成的插补数据集生成设计矩阵，和原始建模逻辑完全一致
X <- model.matrix(form3, data = complete(miceData, 1))

• 按原生simulate逻辑生成模拟响应值

# 计算线性预测值
eta <- X %*% pooled_coef
# 转换为事件发生概率
p <- plogis(eta)
# 伯努利抽样生成模拟响应，格式和simulate输出保持一致
yNew <- data.frame(
  sim_1 = rbinom(n = length(p), size = 1, prob = p)
)

常见注意事项 #

• 不要直接对glm_pooled调用simulate()，该函数仅识别原生glm类的存储结构，对mipo对象会抛出方法不存在的错误。
• 因为你的模型公式带-1参数，设计矩阵本身不包含截距项，计算线性预测值时不要额外补充截距，否则会导致结果系统性偏倚。
• 上述实现和参考代码的simulate行为完全等价：都是基于点估计计算概率后直接抽样，没有额外引入参数的随机扰动。如果后续需要把多重插补带来的参数不确定性纳入模拟，才需要基于Rubin规则的合并协方差矩阵，从多元正态分布中抽样回归系数再重复计算概率，这不属于默认simulate的行为范畴。

内容的提问来源于stack exchange，提问作者Landscape