mice 工作流：mice - with - pool
基于链式方程的多重插补（MICE）通过在条件分布中抽样、使用基于模型的方法对同一数据集进行多次插补，从而估计由插补带来的不确定性。这样，每个插补后的数据集都会略有不同。随后，对每个数据集分别进行分析，并将结果合并（pool），得到关注的统计量及其置信区间，从而反映插补不确定性。
在本练习中，您将练习典型的 MICE 工作流：mice() - with() - pool()。您将对 biopics 数据进行回归分析，以查看哪种人物职业 sub_type 与最高的电影票房 earnings 相关。让我们来玩转 mice 吧！
本练习是课程的一部分
R 中的缺失值填补处理
练习说明
- 加载
mice包，并使用mice()对biopics进行 5 次插补，将结果保存为biopics_multiimp。 - 在每个插补数据集上拟合线性回归模型，用
year和sub_type解释earnings，将结果保存为lm_multiimp。 - 将保存在
lm_multiimp中的回归模型进行合并（pool），将结果保存为lm_pooled。 - 汇总
lm_pooled，并生成置信水平为 95% 的置信区间。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Load mice package
___
# Impute biopics with mice using 5 imputations
biopics_multiimp <- ___(___, m = ___, seed = 3108)
# Fit linear regression to each imputed data set
lm_multiimp <- ___(___, ___)
# Pool and summarize regression results
lm_pooled <- ___(___)
___(___, conf.int = ___, conf.level = ___)