JointAI：R语言中不完整数据的联合分析与插补

缺失数据出现在许多类型的研究中，通常使分析复杂化。多重插补，无论是使用联合建模还是更灵活的完全条件规范方法，都很流行并且在标准设定下表现良好。然而，在涉及非线性关联或交互作用的设定中，插补模型与分析模型的不相容性是一个常常导致偏倚的问题。类似地，纵向或生存等复杂结局无法被标准实现充分处理。在本文中，我们介绍R包JointAI，它利用贝叶斯框架对具有不完整协变量的回归模型进行同步分析与插补。使用完全贝叶斯联合建模方法，它克服了不亲和性问题，同时通过将对分析模型和插补模型的联合分布规定为可适应变量类型的单变量模型序列，保留了完全条件规范多重插补所具有的吸引人的灵活性。JointAI为广义线性模型、广义线性混合模型及其扩展，以及生存模型和纵向与生存数据的联合模型提供贝叶斯推断函数，这些函数采用与基础R及其他包中用于完整数据分析的相应知名函数类似的参数。本文描述并借助多个示例说明了JointAI的用法与特性，并概述了理论背景。