lle*_*lls 10 r mixed-models r-mice
我试图用纵向设计来估算数据集中的数据.有两个预测因子(实验组和时间)和一个结果变量(分数).聚类变量是id.
这是玩具数据
set.seed(345)
A0 <- rnorm(4,2,.5)
B0 <- rnorm(4,2+3,.5)
A1 <- rnorm(4,6,.5)
B1 <- rnorm(4,6+2,.5)
A2 <- rnorm(4,10,.5)
B2 <- rnorm(4,10+1,.5)
A3 <- rnorm(4,14,.5)
B3 <- rnorm(4,14+0,.5)
score <- c(A0,B0,A1,B1,A2,B2,A3,B3)
id <- rep(1:8,times = 4, length = 32)
time <- rep(0:3, each = 8, length = 32)
group <- rep(c("A","B"), times =2, each = 4, length = 32)
df <- data.frame(id = id, group = group, time = time, score = score)
# plots
(ggplot(df, aes(x = time, y = score, group = group)) +
stat_summary(fun.y = "mean", geom = "line", aes(linetype = group)) +
stat_summary(fun.y = "mean", geom = "point", aes(shape = group), size = 3) +
coord_cartesian(ylim = c(0,18)))
# now place some NAs
df[sample(1:nrow(df), 10, replace = F),"score"] <- NA
df
如果我没有理解这个帖子正确,在预测矩阵我应该指定id一个聚类变量-2和两个固定的预测time,并group用1.像这样
library(mice)
(ini <- mice(df, maxit=0))
(pred <- ini$predictorMatrix)
(pred["score",] <- c(-2, 1, 1, 0))
(imp <- mice(df,
method = c("", "", "", "2l.pan"),
pred = pred,
maxit = 1,
seed = 71152))
我想知道的是:
-2将其指定为"类"变量,但是在这个小鼠引物中,它建议对于多级模型,你应该1在数据帧中创建一个所有的变量作为常量,然后将其指定为随机截取通过2在预测矩阵中.然而(i)这是基于2l.norm功能而不是2l.pan功能,所以我不确定我在哪里.该2l.pan功能是否不需要此列或随机效果的规范？该pan库不需要拦截术语.
你可以使用挖掘功能
library(pan)
?pan
也就是说,在加载了库的情况下mice使用了一个包装器,你可以查看该功能的帮助.它指出:它有一个参数叫做这是它默认为true.默认情况下,这被定义为随机拦截.在浏览鼠标包装器的R代码后找到了这个:mice.impute.2l.panmiceintercept[a] Logical [and] determin[es] whether the intercept is automatically added.
if (intercept) {
x <- cbind(1, as.matrix(x))
type <- c(2, type)
}
当pan函数参数type是一个Vector of length ncol(x) identifying random and class variables.截距默认添加并定义为随机效果.
他们确实提供了例如你在固定效果预测矩阵中用"x"表示1的例子.
它还声明2l.norm,The random intercept is automatically added in mice.impute.2l.norm().
它有一些描述的例子.
CRAN文档pan可能对您有所帮助.
这个答案对你来说可能有点晚了，但它可能会帮助一些未来阅读这篇文章的人：
2l.pan以下是有关使用 指定多级插补模型的一些详细信息mice。由于应用程序是纵向的，我使用术语“人员”来指代级别 2 的单位。这些是文档中2l.pan提到的最相关的参数mice：
type
ncol(x)识别随机变量和类变量的长度向量。随机效应由 标识2。组变量（只允许一个）被编码为-2. 随机效应还包括固定效应。如果对于协变量X1组，应计算均值并将其包括为进一步的固定效应选择3。除了 中的效应3，规范4还包括 的随机效应X1。
您可以在预测变量矩阵中使用 5 种不同的代码，用于用 估算的变量2l.pan。人员标识符编码为-2（这与 不同2l.norm）。为了包括具有固定或随机效应的预测变量，这些变量分别用1或编码2。如果编码为2，则自动包含相应的固定效应。
此外，2l.pan提供代码3and 4，它们与and具有相似的含义1，2但将包括对该变量的个人均值的附加固定效应。如果您尝试对时变预测变量的人内和人际效应进行建模，这将非常有用。
intercept逻辑判断是否自动添加拦截。
默认情况下，2l.pan包括作为固定和随机效果的截距。因此，不需要在预测矩阵中包含常数项。如果设置为intercept=FALSE，则此行为会更改，并且从插补模型中删除截距。
groupcenter.slope如果
TRUE，在组均值（type是3或4）的情况下，这些预测变量的组均值在进行插补之前进行。默认为FALSE。
使用此选项，可以将预测变量集中在人的均值周围，而不是“按原样”包括预测变量（即，不居中）。这仅适用于编码为3or 的变量4。对于编码为 的预测变量3，这不是很重要，因为有中心和没有中心的模型是相同的。
然而，当预测变量被编码为4（即具有随机斜率）时，中心化会改变随机效应的含义，因此随机斜率不再适用于“原样”变量，而是适用于该变量的内部偏差多变的。
在您的示例中，您可以包含一个简单的随机斜率，time如下所示：
library(mice)
ini <- mice(df, maxit=0)
# predictor matrix (following 'type')
pred <- ini$predictorMatrix
pred["score",] <- c(-2, 1, 2, 0)
# imputation method
meth <- c("", "", "", "2l.pan")
imp <- mice(df, method=meth, pred=pred, maxit=10, m=10)
在这个例子中，编码time为3or4没有多大意义，因为人的意思time对于所有人来说都是相同的。但是，如果您希望将时变协变量作为预测变量包含在插补模型中，3并且4可能会很有用。
像intercept和等附加参数groupcenter.slope可以直接在对 的调用中指定mice()，例如：
imp <- mice(df, ..., groupcenter.slope=TRUE)
因此，按照帖子中的说明回答您的问题：
是的，2l.pan提供了一个多级（或者更确切地说是两级）插补模型。默认情况下，截距作为固定和随机效应包含在内（可以用 更改intercept=FALSE）并且不需要在预测矩阵中指定（这与 形成对比2l.norm）。
是的，您可以使用 指定随机斜率2l.pan。为此，具有随机斜率的预测变量被编码为2或4在预测变量矩阵中。如果编码为2，则包括随机斜率。如果编码为4，则包括随机斜率以及该变量的个人均值的附加固定效应。如果编码为4，随机斜率的含义可以通过使用groupcenter.slope=TRUE（见上文）来改变。
本文还包括一些关于如何使用2l.pan多重插补和其他函数的工作示例：[链接]