runMI(simsem)
runMI()所属R语言包：simsem
Multiply impute and analyze data using lavaan
乘推诿和分析数据，使用lavaan
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function takes data with missing observations, multiple imputes the data, runs a SEM using lavaan and combines the results using Rubin's rules.
此功能需要的数据缺失观察多种责难的数据，使用lavaan运行的SEM和鲁宾的规则相结合的结果。
用法----------Usage----------
runMI(data.mat, data.model, m, miPackage="amelia", silent = FALSE, opts)
参数----------Arguments----------
参数：data.mat
Data frame with missing observations.
数据框与失踪观察。
参数：data.model
Specification of the model to be analyzed. data.model can be either a simModel object or lavaan syntax
以进行分析的模型规范。 data.model可以是一个simModel的对象的或lavaan的语法
参数：m
Number of imputations wanted
数的估算通缉
参数：miPackage
Package to be used for impuation. Currently runMI only uses amelia for imputation
封装要用于impuation的。目前runMI只用阿梅利亚为两税合一
参数：silent
TRUE if users do not wish to print number of imputations while running the function.
TRUE，如果用户不希望打印数量的估算，同时运行的功能。
参数：opts
A list of additional arguments to be passed to amelia for imputation.
额外的参数列表传递给amelia归集。
值----------Value----------
runMI returns a list with pooled estimates, standard errors, fit indices and fraction missing information
runMI返回一个列表，汇集估计，标准误差，拟合指数和部分缺失的信息
参数：coef
Pooled parameter estimates. The order of parameter estimates corresponds to the order reported by Lavaan
池参数估计值。参数估计值的对应顺序的顺序报告的Lavaan
参数：se
Pooled standard errors. The order of standard errors corresponds to the order reported by Lavaan
汇集的标准误差。标准错误的顺序对应于报告的Lavaan
参数：fit
Pooled fit indices. The order of fit indices corresponds to the order reported by Lavaan
汇集契合度。拟合指数的顺序对应报告的Lavaan
参数：FMI.1
Fraction of missing information for each parameter. The order of fraction missing corresponds to the order of parameters reported by Lavaan
为每个参数的信息丢失的分数。报告的顺序缺少的部分对应参数的顺序由Lavaan
参数：FMI.2
Fraction of missing information for each parameter. The order of fraction missing corresponds to the order of parameters reported by Lavaan
为每个参数的信息丢失的分数。报告的顺序缺少的部分对应参数的顺序由Lavaan
（作者）----------Author(s)----------
Patrick Miller(University of Kansas; <a href="mailto:patr1ckm@ku.edu">patr1ckm@ku.edu</a>)
Alexander M. Schoemann (University of Kansas; <a href="mailto:schoemann@ku.edu">schoemann@ku.edu</a>)
参考文献----------References----------
参见----------See Also----------
miPool for pooling results from multiple imputation.
miPool汇集多重插补的结果。
实例----------Examples----------
##---- Should be DIRECTLY executable !! ----[＃----应该是直接的可执行文件！ ----]
##-- ==> Define data, use random,[ - ==>定义数据，使用随机的，]
##-- or do help(data=index) for the standard data sets.[＃ - 帮助（数据=索引）的标准数据集。]
## The function is currently defined as[＃功能目前被定义为]
function(data.mat,data.model,imps) {
#Impute missing data[填补缺失数据]
imputed.l<-imputeMissing(data.mat,imps)
#Run models on each imputed data set[在每个插补数据集运行模型]
#Does this give results from each dataset in the list?[结果列表中的每个数据集？]
imputed.results<-result.object(imputed.l[[1]],sim.data.model,10)
imputed.results <- lapply(imputed.l,result.object,data.model,1)
comb.results<-MIpool(imputed.results,imps)
return(comb.results)
}
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-30 09:26:42
