r语言导入spss数据 您所在的位置:网站首页 r语言导入spss数据 r语言导入spss数据

r语言导入spss数据

2023-12-07 14:53| 来源: 网络整理| 查看: 265

我们在临床做回顾性研究分析中经常要面对数据缺失的问题,如果数据缺失量大就会对我们的研究结果产生影响,近年来,对数据进行多重插补广泛应用于SCI论文中。我们在之前的文章中已经演示了使用SPSS对数据进行多重插补并分析。今天,我们通过使用R语言的Mice包来演示多重插补并对数据进行分析。

我们使用R语言survival包自带的mgus数据集来进行演示

先把数据导入

library(survival)

library(rms)

data(package="survival")

data("mgus")

head(mgus)

bc

7ea144833c3cd5ba29528ac3d4742e76.png

查看数据,发现存在许多缺失值

6c400d33a491ccab09392ecf926609cf.png

导入mice包,对缺失值进行分析

573fcc003d3c5f3cd92a059272eba4bf.png

ce2b84ecdb06c1afc0caf966b882f8a4.png

表和图是一样的,表示完全没有缺失的有46个,pcdx pctime 这两个有缺失的有130个,creat缺失的有8个 使用mice进行插补并查看数据,我们可以看到原来缺失的地方已经被插补了数据 imp

complete(imp)

04a9110e9e1e2d3e58667a30fbb8863f.png

查看一下数据插补的情况,蓝色是原始数据,红色是插补数据,可以看到,比较重合,说明插补得很好 stripplot(imp,pch=19,cex=1.2,alpha=.3)

b12b8324e090f3e8c8355ae636376308.png

最后进行回归分析,很多人不懂怎么使用插补后的数据,其实都是一样进行回归 fit 这里生成了5套回归数据

Fit

5aca62fd0133dd4e94fd94efb3e99106.png

158ac88c44488894e4a4d6f8ffb0462c.png

最后把5套数据的统计值合并就可以了

fit1

summary(fit1)

得出最终结果就可以进行分析了

67a53222de3f68f6d6f36f2c74d78937.png

31f4842767c2bad0cfc42641c873b0cd.png



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有