r - 多项回归的多重插补和 mlogit

Question

我正在尝试使用估算数据运行多项回归。我可以用 nnet 包做到这一点，但是我想使用 mlogit。使用 mlogit 包，我不断收到以下错误“1:nrow(data) 中的错误:长度为 0 的参数”。
所以制作数据

library(mlogit)
library(nnet)
library(tidyverse)
library(mice)

df <- data.frame(vax = sample(1:6, 500, replace = T),
                 age = runif(500, 12, 18),
                 var1 = sample(1:2, 500, replace = T),
                 var2 = sample(1:5, 500, replace = T))

# Create missing data using the mice package:
df2 <- ampute(df, prop = 0.15)
df3 <- df2$amp

df3$vax <- as.factor(df3$vax)
df3$var1 <- as.factor(df3$var1)
df3$var2 <- as.factor(df3$var2)

# Inpute missing data:
df4 <- mice(df3, m = 5, print = T, seed = 123)

它使用 nnet 的 multinom 工作:

multinomtest <- with(df4, multinom(vax ~ age + var1 + var2, data = df, model = T))
summary(pool(multinomtest))

但是当我尝试将数据 reshape 为 mlogit 格式时会引发错误

test <- with(df4, dfidx(data = df4, choice = "vax", shape = "wide"))

有谁知道我如何将插补数据转换为 mlogit 格式，甚至 mlogit 是否与鼠标或任何其他插补包兼容？

Answer 1

回答
您正在使用 with.mids不正确，因此两行代码都是错误的； multinom行只是没有给出错误。如果您想将多个函数应用于估算数据集，最好使用 lapply 之类的东西。 :

analyses <- lapply(seq_len(df4$m), function(i) {
  data.i <- complete(df4, i)
  data.idx <- dfidx(data = data.i, choice = "vax", shape = "wide")
  mlogit(vax ~ 1 | age + var1 + var2, 
         data = data.idx, 
         reflevel = "1", 
         nests = list(type1 = c("1", "2"), type2 = c("3","4"), type3 = c("5","6")))
})
test <- list(call = "", call1 = df4$call, nmis = df4$nmis, analyses = analyses)
oldClass(test) <- c("mira", "matrix")
summary(pool(test))

如何with.mids作品
申请时 with到 mids对象(又名 mice::mice 的输出)，那么您实际上是在调用 with.mids .
如果您使用 getAnywhere(with.mids) (或者直接输入 mice:::with.mids )，你会发现它做了几件事:

它遍历所有估算的数据集。

它使用 complete得到一个数据集。

它以数据集作为环境运行表达式。

第三步是问题。对于使用公式的函数(如 lm 、 glm 和 multinom )，您可以在给定环境中使用该公式。如果变量不在当前环境中(而是在例如数据框中)，您可以通过设置 data 来指定新环境。多变的。

问题
这就是您的两个问题的根源:

在您的 multinom打电话，你设置data变量为 df .因此，您实际上是在运行 multinom原创 df , 不是 估算的数据集!

在您的 dfidx打电话，你又在填data直接地。这也是错误的。但是，将其留空也会产生错误。这是因为 with.mids未填写 data论据，但只有环境。这对你来说还不够。

修复 multinom
您的 multinom 的解决方案行很简单:只是不要指定 data :

multinomtest <- with(df4, multinom(vax ~ age + var1 + var2, model = T))
summary(pool(multinomtest))

正如您将看到的，这将产生非常不同的结果!但重要的是要意识到这是你想要获得的。

修复 dfidx(和 mlogit)
我们不能用 with.mids 做到这一点，因为它使用估算数据集作为环境，但您想使用修改后的数据集(在 dfidx 之后)作为您的环境。因此，我们必须编写自己的代码。您可以使用任何循环函数来执行此操作，例如 lapply :

analyses <- lapply(seq_len(df4$m), function(i) {
  data.i <- complete(df4, i)
  data.idx <- dfidx(data = data.i, choice = "vax", shape = "wide")
  mlogit(vax ~ 1 | age + var1 + var2, data = data.idx, reflevel = "1", nests = list(type1 = c("1", "2"), type2 = c("3","4"), type3 = c("5","6")))
})

从那里开始，我们所要做的就是制作一个看起来像 mira 的东西。对象，这样我们仍然可以使用 pool :

test <- list(call = "", call1 = df4$call, nmis = df4$nmis, analyses = analyses)
oldClass(test) <- c("mira", "matrix")
summary(pool(test))