Excelente trabalho Paulo, muitíssimo obrigado, me ajudou muito.

Eu gostaria de conhecer melhor essa estrutura para entender como você chegou ai, ontem eu fiquei horas tentando e nada.

Tenho trabalhado com o R a algum tempo, não sou estatístico, sou da computação.

Alguma dica de onde estudar isso, ou somente na prática mesmo ?

2017-04-20 20:30 GMT-03:00 Elias Carvalho <ecacarva@gmail.com>:

Boa noite pessoal

Estou testando o pacote mice para fazer imputação múltipla de dados missing, conforme exemplo:

library(mice)

imp <- mice(nhanes2)

fit <- with(imp, lm(chl~age+bmi))

summary(fit)

O resultado se resume em: 

 ## summary of imputation 1 :

Call:
lm(formula = chl ~ age + bmi)

Residuals:
   Min     1Q Median     3Q    Max 
-46.37 -19.23 -11.24  12.66  83.69 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept)   32.134     53.202   0.604  0.55232   
age2          49.058     18.153   2.702  0.01334 * 
age3          62.837     19.886   3.160  0.00472 **
bmi            4.907      1.795   2.733  0.01246 * 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 34.89 on 21 degrees of freedom
Multiple R-squared:  0.3835,	Adjusted R-squared:  0.2954 
F-statistic: 4.354 on 3 and 21 DF,  p-value: 0.01557

​Eu gostaria de extrair o p-value: 0.01557 dessa estrutura, mas não consegui com os métodos convencionais, pois a estrutura parece diferente da estrutura gerada por um lm ou glm.

Alguém poderia me ajudar

--

In Jesu et Maria

Obrigado

Prof. Elias Carvalho

"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)

"Blessed is he who has been able to understand the cause of things"

--

In Jesu et Maria

Obrigado

Prof. Elias Carvalho

"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)

"Blessed is he who has been able to understand the cause of things"