使用 svyciprop 估计 CI 时出现 MIcombine 问题。多重插补和复杂调查

Question

我正在处理多重估算的复杂调查数据，并尝试使用 Thomas Lumley 的调查和 mitools 包来估计 CI 的比例，特别是 R 中带有 beta 方法的 svyciprop() 函数。众所周知，beta 方法更适合复杂调查数据，我使用 mitools 包中的 MIcombine() 来组合插补的估计值。然而，MIcombine() 不提供 CI，它只生成 SE。

这是使用虚拟数据集的简化示例：

# Dummy data: using mtcars dataset 

data("mtcars")

# Creating multiple imputations

imputed_data <- list(mtcars, mtcars, mtcars)

# Creating a survey design object with imputation

prop_estimates <- lapply(imputed_data, function(data) {
design <- svydesign(id = ~cyl, weights = ~wt, data = data, nest = TRUE)
svyciprop(~I(am == 1), design, method = "beta")})

mitools::MIcombine(prop_estimates)

我尝试了不同的方法，例如在 MIcombine () 之后使用 confint() 。但它也没有成功。 在 MIcombine() 之后，我尝试了 summary() 函数。但无论我们为 CI 选择不同的方法（例如“beta”或“可能性”），它都会给出完全相同的 CI。

Answer 1

据我所知，

survey

和

mitools

的作者尚未实现用于乘法插补数据的

svyciprop

方法？ 一般来说，我注释掉多重插补微数据上的

svyciprop

、

svyttest

和

svychisq

函数（例如 nhis）。 在（废弃的）

lodown

包中有一个名为 MIsvyciprop 的黑客版本，因此可能无法发布或无法防御，但可能有助于了解它如何工作