Fit-Indizes für GLMM mit imputierten Daten

Modelle zur Korrelations- und Regressionsanalyse

Moderator: EDi

Antworten
Bolle2023
Beiträge: 1
Registriert: Mi Apr 05, 2023 2:54 pm

Fit-Indizes für GLMM mit imputierten Daten

Beitrag von Bolle2023 »

Ich möchte ein GLMM (Generalized Linear Mixed Model) rechnen, da meine Zielvariable bei der Mehrebenenanalyse binär codiert ist. Ich habe einen recht kleinen Datensatz, der Missings auf den meisten Variablen enthält. Fälle mit fehlenden Werten werden leider einfach weggelassen (listwise deletion). Ich könnte die fehlenden Werte imputieren (Multiple Imputation in R z.B. mit dem Paket MICE). Wenn ich dann mit den imputierten Daten ein GLMM rechne (Paket: lme4, Funktion: glmer), werden u.a. die gepoolten Regressionskoeffizienten ausgegeben, anscheinend aber keine Fit Indizes (Pseudo R2, AIC, Devianz usw.). Diese wären aber sehr hilfreich, um verschiednene Modelle bei der Mehrebenenanalyse vergleichen zu können. Ansonsten bliebe mir nur, dass GLMM mit den Fällen zu rechnen, die keine fehlenden Werte aufweisen.

Gibt es vielleicht doch Möglichkeiten in R, im Rahmen eines GLMM mit imputierten Daten Fit Indizes zu berechnen, vielleicht mithilfe anderer Pakete für die Imputation oder für das das GLMM? Oder gibt es eine andere Software, die das kann?

Danke für alle Ideen!
Antworten