代码+视频，R语言对数据进行多重插补后回归分析

天桥下的卖艺者

于 2024-04-19 09:36:35 发布

阅读量1.1k

点赞数 2

分类专栏： R语言代码+视频系列文章标签： r语言回归开发语言

本文链接：https://blog.csdn.net/dege857/article/details/137951187

版权

R语言同时被 2 个专栏收录

328 篇文章

订阅专栏

代码+视频系列

28 篇文章

订阅专栏

本文介绍了在临床研究中如何利用R语言的Mice包进行数据缺失的多重插补，并展示了通过实例代码完成插补和后续数据分析的过程，包括模型拟合和汇总结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我们在临床做回顾性研究分析中经常要面对数据缺失的问题，如果数据缺失量大就会对我们的研究结果产生影响，近年来，对数据进行多重插补广泛应用于SCI论文中。我们在之前的文章中已经演示了使用SPSS对数据进行多重插补并分析。今天，我们通过视频演示使用R语言的Mice包来演示多重插补并对数据进行分析。

在这里插入图片描述

R语言对数据插补并进行分析

代码

library(survival)
library(rms)
library(mice)
bc<-mgus
summary(bc)
md.pattern(bc)
densityplot(bc$alb)
#########
imp<-mice(bc,m = 5,maxit=5,seed =123) #maxit è¿ä»£çš„æ¬¡æ•°
imp<-mice(bc)
complete(imp)
c3 <- complete(imp, 3)
md.pattern(c3)
summary(c3)
densityplot(c3$alb)
##########
stripplot(imp,pch=19,cex=1.2,alpha=.3)
fit<-with(imp,glm(death~age+sex+dxyr+pcdx,family = binomial))
fit1<-pool(fit)
summary(fit1)