首页 文章

MICE纵向多级插补模型的随机效应

提问于
浏览 次
9

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

如果我正确理解this post，在预测矩阵中，我应该使用 -2 指定 id 聚类变量，并使用 1 指定两个固定预测变量 time 和 group . 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：

  • 这是一个纵向随机截取插补模型吗？将id变量指定为 -2 将其指定为'class'变量，但在this mice primer中，它表明对于多级模型，您应该在数据帧中创建一个所有 1 的变量作为常量，然后通过 2 将其指定为随机截距预测矩阵 . 但是（i）这是基于 2l.norm 函数而不是 2l.pan 函数，所以我不确定我在哪里 . 2l.pan 函数是否不需要此列或随机效果的规范？

  • 有没有办法指定纵向随机斜率模型，如果是，如何？

r mixed-models r-mice

2 回答

  • 5

    这个答案对你来说可能有点晚了，但它可以帮助一些将来读这篇文章的人：

    如何使用2l.pan

    以下是有关使用 mice 指定多级插补模型的一些详细信息 . 因为应用程序是纵向的，所以我使用术语"persons"来引用级别2的单位 . 这些是 mice 文档中提到的 2l.pan 最相关的参数：

    type长度为ncol（x）的Vector，用于识别随机变量和类变量 . 随机效应由2标识 . 组变量（仅允许一个）编码为-2 . 随机效应还包括固定效应 . 如果对于协变量，X1组平均值应计算并包含在另外的固定效应中选择3.除了3中的效果外，规范4还包括X1的随机效应 .

    对于用 2l.pan 估算的变量，您可以在预测变量矩阵中使用5种不同的代码 . 人员标识符编码为 -2 （这与 2l.norm 不同） . 要包含具有固定或随机效应的预测变量，这些变量分别使用 1 或 2 进行编码 . 如果编码为 2 ，则会自动包含相应的固定效果 .

    此外， 2l.pan 提供代码 3 和 4 ，其具有与 1 和 2 类似的含义，但将包含对该变量的人均值的附加固定效果 . 如果您尝试对时变预测变量的人与人之间的影响进行建模，这将非常有用 .

    拦截逻辑确定是否自动添加拦截 .

    默认情况下， 2l.pan 将截距包括为固定效果和随机效果 . 因此，不需要在预测矩阵中包含常数项 . 如果设置 intercept=FALSE ，则会更改此行为，并从插补模型中删除截距 .

    groupcenter.slope如果为TRUE，则在组均值（类型为3或4）的情况下，这些预测变量的组均值中心在进行估算之前进行 . 默认值为FALSE .

    使用此选项，可以将预测变量居中于人均值周围，而不是包括预测变量"as is"（即，没有居中） . 这仅适用于编码为 3 或 4 的变量 . 对于编码为 3 的预测变量，这不是很重要，因为有和没有居中的模型是相同的 .

    但是，当预测变量被编码为 4 （即具有随机斜率）时，则居中改变随机效应的含义，使得随机斜率不再适用于变量"as is"，而是适用于该变量的人与人之间的偏差 .

    在您的示例中，您可以为 time 包含一个简单的随机斜率，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，将 time 编码为 3 或 4 并没有多大意义，因为 time 的人的手段对所有人都是相同的 . 但是，如果您希望在插补模型中包含时变协变量作为预测变量，则 3 和 4 可能很有用 .

    像 intercept 和 groupcenter.slope 这样的附加参数可以直接在 mice() 的调用中指定，例如：

    imp <- mice(df, ..., groupcenter.slope=TRUE)

    关于你的问题

    所以，回答帖子中所述的问题：

    1）是的， 2l.pan 提供了多级（或更确切地说是两级）的插补模型 . 截距默认包括固定和随机效果（可以使用 intercept=FALSE 更改），无需在预测矩阵中指定（这与 2l.norm 形成对比） .

    2）是的，您可以使用 2l.pan 指定随机斜率 . 为此，具有随机斜率的预测变量在预测矩阵中被编码为 2 或 4 . 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对该变量的人均值的附加固定效果 . 如果编码为 4 ，则可以通过使用 groupcenter.slope=TRUE （见上文）来改变随机斜率的含义 .

    本文还包括一些有关如何使用 2l.pan 和其他函数进行mutlivel插补的工作示例：[Link]

    回复于
  • 3

    pan 库不需要拦截术语 .

    你可以使用挖掘功能

    library(pan)
?pan

    那就是 mice 使用了一个名为 mice.impute.2l.pan 的panper包装器，加载了 mice 库，你可以查看该功能的帮助 . 它声明：它有一个名为 intercept 的参数，它是 [a] Logical [and] determin[es] whether the intercept is automatically added. 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：

    if (intercept) { x <- cbind(1, as.matrix(x)) type <- c(2, type) }

    pan 函数参数 type 是 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 . The CRAN documentation for pan might help you.

    回复于

相关问题