使用预测均值匹配分析/解释在多重插补之前尚未转换的非正态数据的最佳方法是什么？

问题描述

我使用来自 MICE 包的类型 1 预测均值匹配对我的数据集进行了多重插补。我的四个变量（三个预测变量和我的结果变量）是负偏斜的。经过大量研究，我决定在插补之前不转换变量，而是使用类型 1 PMM。我的理解是，这是避免在估算数据中引入偏见的最佳方法。我的问题是如何在插补后解释模型的结果。我可以想象几个选项，但我不确定如何做，也不知道哪个是最好的。我的数据是连续的，所以我将进行多元线性回归。

1. 我是否应该在插补后对数据进行对数转换，使其在分析前更正常？

2. 我是否应该反映数据以使其呈正偏斜而不是负偏斜并使用具有伽马分布的 glm？如果我这样做，我是否应该在分析后重新反映数据，以便我的表格和结果中的解释合乎逻辑？

3. 另一种选择？

任何支持将不胜感激。

谢谢！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）