如何获取具有估算数据的池模型的 R^2、F 统计量和 p 值？

Question

我使用小鼠估算了回归模型和估算数据。

model1 <- with(imp, lm(outcome~ predictor1+ predictor2+ predictor3+ predictor4))). 

在输出中我得到一些信息

summary(pool(model1), conf.int = TRUE)

如估计值、标准误差和 p 值。现在我想知道整个模型的F值和R^2。

对于 R^2，我找到了以下代码：

pool.r.squared(model1)

。但我仍在寻找显示 F 值的代码。有人有这方面的经验吗

Answer 1

传统的 F 统计量，我们通过对

anova

的 F 值进行平均得到，比较：

mean(anova(aov(bmi ~ hyp + chl, nhanes))[, 4], na.rm=TRUE)
summary(lm(bmi ~ hyp + chl, nhanes))$fstatistic[1]

对于汇总分析，我们可以使用

miceadds::mi.anova

来获取 R^2 和 F 统计量。

library('miceadds')
nul <- capture.output(
  aov_fit <- miceadds::mi.anova(mi.res=imp, formula="bmi ~ hyp + chl" )
)

^（

capture.output

不一定需要，但可以防止控制台混乱。）

所需的信息现已存储在对象中

aov_fit

。

aov_fit$r.squared  ## R-squared
# [1] 0.1158705

(fval <- mean(round(aov_fit$anova.table$`F value`, 2), na.rm=TRUE) ) ## F-statistic
# [1] 0.97

df_mod <- aov_fit$anova.table$df1[- nrow(aov_fit$anova.table)]  ## DF model
df_res <- el(fit$analyses)$df.residual  ## DF residual
c(df_mod, df_res)
# [1]  1  1 22

可以使用 F 分布的分布函数通过右尾检验来计算模型 p 值

pf()

。

pf(q=fval, df1=sum(df_mod), df_2=df_res, lower.tail=FALSE)  ## p-value
# [1] 0.3947152

我们现在可以使用

sprintf

来类似于

lm()

的 GOF 指标：

sprintf('Pooled R-squared: %s', round(aov_fit$r.squared, 4))
# [1] "Pooled R-squared: 0.1159"

tmp <- aov_fit$anova.table
sprintf('Pooled F-statistic: %s on %s and %s DF,  p-value: %s', 
        mean(round(tmp$`F value`, 2), na.rm=TRUE), 
        round(sum(tmp$df1[- nrow(aov_fit$anova.table)]), 2),
        round(el(fit$analyses)$df.residual, 2),
        format.pval(pf(fval, sum(df_mod), df_res, lower.tail=FALSE)))
# [1] "Pooled F-statistic: 0.97 on 2 and 22 DF,  p-value: 0.39472"

更新

要获得 r²_adj.，我们可以使用通常的公式，

adjR2 <- \(r2, n, p) {
  1 - (n - 1)/(n - p - 1)*(1 - r2)
}

adjR2(aov_fit$r.squared, nrow(nhanes), sum(aov_fit$anova.table$df1, na.rm=TRUE))
# [1] 0.03549512

其中 n= 观测值数量，p= 参数数量。

---

数据：

使用

nhanes

包的

mice

数据集。

library('mice')
set.seed(42)
imp <- mice(nhanes, m=100, printFlag=FALSE)
fit <- with(data=imp, exp=lm(bmi ~ hyp + chl))

Answer 2

我无法发表评论，但对于那些尝试计算 p 值的人，您需要将 df_2 更改为 df2。我挣扎了好久，终于成功了。 @jay.sf - 你能确认是这样吗？