我的问题和数据类似于帖子：Loop Through Data with Sequential Time Lags output Linear Regression Coefficients
set.seed(242)
df<- data.frame(month=order(seq(1,248,1),decreasing=TRUE),
psit=c(79,1, NA, 69, 66, 77, 76, 93, NA, 65 ,NA ,3, 45, 64, 88, 88
,76, NA, NA, 85,sample(1:10,228, replace=TRUE)),var=sample(1:10,248,
replace=TRUE))
但是，我的数据集的结构不同，因为我已经为 psit 估算了缺失值 . 现在 psit ， month 和 var 现在在使用 mice() 函数来插入值后嵌套在列表 tempdata 中 . 现在 tempdata 包括40个新的插补数据集 .
tempdata<-mice(data = df, m = 40, method = "pmm", maxit
= 50, seed = 500)
我想采用40个插补数据集，对每个插补数据集运行相同的时滞分析（这与上面有一个数据集进行时间滞后分析的帖子不同）并汇总每个时间滞后的R平方值在所有插补数据集中 .
mice 上的帖子表示您可以使用以下内容汇总 lm() 的结果：
modelFit1 <- with(tempdata,lm(psit~ month))
summary(pool(modelFit1))
但是，我想在所有40个插补数据集中汇总R平方值，使其具有相同的时间滞后 . 所以我不确定如何在 tempdata 中的每个插补数据集上使用 dyn$lm() 函数，然后使用 pool() 函数汇总平方值的结果 .
为了达到这个目的 . 我尝试了以下但得到一个错误：
modelFit1 <- with(tempData, lapply(1:236, function(i) dyn$lm(psit ~
lag(var, -i),tail(z, 12+i))))
summary(pool(modelFit1),function(x) summary(x)$r.squared))
1 回答
既然您使用的是鼠标包，那么“pool.r.squared”是否适用于您的目的？