R中MLM缺失数据的估算

Question

也许任何人都能帮我解决这个问题。我进行了一项后续研究，显然现在不得不面对缺失的数据。现在我正在考虑如何在R (f.e )中使用MLM来计算丢失的数据。参与者总结了2项后续调查，但未完成后续1项调查，因此，我在纵向分析中缺少L1预测器)。

我阅读了关于使用pan包(Schafer & Yucel，2002)对多级数据进行多重计算的文章，并看到了以下代码：

imp <- panImpute(data, formula = fml, n.burn = 1000, n.iter = 100, m = 5) 

然而，我很难完全理解它。是否有其他方法来计算R中丢失的数据？或者也许有人可以更详细地说明估算方法的过程，那将是如此的伟大！我是否必须对我在传销中建立的每一个模型进行估算？(f.e.当我比较时，随机截取与随机截取和随机斜率模型是否更适合我的数据，我是必须对每个模型使用估算代码，还是在所有计算开始时使用它？)

提前谢谢你

Answer 1

是否有另一种方法来计算R中丢失的数据？

还有其他的包裹。mice是我通常使用的，它确实支持多级数据。

，我是否必须对我在传销中建立的每一个模型进行估算？(f.e.当我比较时，随机截取与随机截取和随机斜率模型是否更适合我的数据，我是必须对每个模型使用估算代码，还是在所有计算开始时使用它？)

你必须指定估算模型。基本上，这意味着你必须告诉软件，哪个变量是由哪个变量预测的，哪个变量是其他变量。由于您是在比较具有相同固定效应的模型，并且只改变随机效应(特别是比较具有和没有随机斜率的模型)，那么在这两种情况下，估算模型都应该是相同的。所以工作流程是：

imputations;

• run

1. 在所有的推测数据集上执行
2. 模型，
3. 汇集结果(通常使用Rubin的规则)

所以你需要做两次，最后得到两组集合结果--每个模型一组。软件应该为完成所有这些提供功能。

说了这些之后，我建议不要选择基于拟合统计的模型，而是使用专家知识。如果您有很强的理论理由期望斜率随组的不同而变化，那么包括随机的斜率。如果没有，那就不包括它们。