時滯分析

我的問題和數據相似，在後：Loop Through Data with Sequential Time Lags output Linear Regression Coefficients 時滯分析

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))

然而，我的數據集的結構不同，因爲我已經估算缺失值psit。現在psit,month和var現在嵌套在列表tempdata中，使用mice()函數來計算值。現在tempdata包括40個新的估算數據集。

tempdata<-mice(data = df, m = 40, method = "pmm", maxit 
= 50, seed = 500)

我想坐40個插補數據集，在各推算數據集相同的時間滯後分析（這不同於上述那裏有一個數據集到預成型件的時間滯後分析柱）和凝聚R-所有估算數據集中的每個時間值的平方值都存在時滯。

帖子上mice表明您可以使用游泳池的lm()結果：

modelFit1 <- with(tempdata,lm(psit~ month)) 
summary(pool(modelFit1))

不過，我想對於像時間滯後所有40個插補數據集當中彙集了R平方值。因此我不確定如何在tempdata中的每個推算數據集上使用dyn$lm()函數，然後使用pool()函數彙集平方值的結果。

爲了達到這個結果。我曾嘗試以下，但得到一個錯誤：

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))

來源

2017-09-24 Danielle

由於您使用鼠標包，就不會「pool.r.squared」適用於你的目的是什麼？

pool.r.squared(modelFit1, adjusted = FALSE) 
# est  lo 95 hi 95  fmi 
# R^2 0.1345633 0.06061036 0.226836 0.1195257

來源

2017-09-25 04:06:37 MingH

應該有R平方值的向量返回。我需要使用'dyn $ lm（psit〜lag（var，-i），tail（）來計算每個估算數據集上的一系列時滯迴歸（t-1，t-2，t- z，12 + i））））'。然後將所有估算數據集上的t-1的r平方集合起來，然後將所有估算數據集上的r-2平方滯後於所有估算數據集，依此類推。所以我會爲每個時滯迴歸有一個彙集的r平方的向量。 – Danielle

回答

相關問題