在R中多次插入后计算预测均值（或预测概率）和SE

Question

我想计算预测值和标准误差，但是我不能简单地使用predict（），因为我使用的是15个乘法估算数据集（生成的Amelia程序包）。我在每个数据集上运行回归模型。然后，使用Amelia函数mi.meld（）（使用鲁宾法则）将结果组合为一组模型系数和标准误差。

示例数据和代码：

dd<-list()
for (i in 1:15){
dd[[i]] <- data.frame(
  Age=runif(50,20,90),
  Cat=factor(sample(0:4, 50, replace=T)),
  Outcome = sample(0:1, 50, replace=T)
)}

b.out<-NULL
se.out<-NULL
for(i in 1:15) {
  ols.out<-glm(Outcome~Age+factor(Cat), data=dd[[i]],family="binomial")
  b.out <- rbind(b.out, ols.out$coef)
  se.out <- rbind(se.out, coef(summary(ols.out))[,2])}
mod0 <- mi.meld(q = b.out, se = se.out)

> mod0
$q.mi
     (Intercept)         Age factor(Cat)1 factor(Cat)2 factor(Cat)3 factor(Cat)4
[1,]   0.0466825 -0.00577106    0.5291908  -0.09760264    0.4058684    0.3125109

$se.mi
     (Intercept)        Age factor(Cat)1 factor(Cat)2 factor(Cat)3 
factor(Cat)4
[1,]    1.863276 0.02596468     1.604759     1.398322     1.414589     
1.332743
现在是有问题的部分。我想为以下一组预测值计算预测值（在这种情况下为预测概率）和标准误差：

data.predict <- data.frame(Cat=as.factor(c(0:4)), Age=53.6)
print(data.predict)
  Cat  Age
1   0 53.6
2   1 53.6
3   2 53.6
4   3 53.6
5   4 53.6
如果我在1个数据集上拟合了一个模型，则只需这样做：

prediction<- predict(mod1, data.predict, type="response",se.fit=T)
但是，我没有模型对象，只存储了系数。现在，我研究了解决此问题的两种方法，第一种是通过这种方式手动计算预测：predict() with arbitrary coefficients in r但是我不知道如何解决标准错误。.我的另一个想法是创建一个伪造的模型对象，例如该函数创建：https://gist.github.com/MrFlick/ae299d8f3760f02de6bf并将其用于predict（），但作为标准错误没有使用该模型的模型，也没有办法计算预测的标准误差。]]
有人对如何解决这个问题有建议吗？我试图用示例代码清楚地解释我的问题，但是如果我的问题不清楚，请告诉我，以便我提供其他信息。谢谢您的帮助！

我想计算预测值和标准误差，但是我不能简单地使用预报（），因为我正在使用15个乘法估算数据集（生成的Amelia程序包）。我在每个...上运行回归模型...

Answer 1

我确定您将在近几年后不需要这个答案，但是我只是在研究类似的问题，我想我将答案放在这里供后代参考。

[安德鲁·海斯（Andrew Heiss）在此将解决方案放在gisthub上-https://gist.github.com/andrewheiss/a3134085e92c6607db39c5b14e1b879e