Может ли пул MICE завершить GLM-вывод двоичной логистической регрессии?

Question

Я выполняю логистическую регрессию с двоичной переменной результата для данных, которые были многократно вменены с использованием MICE. Кажется простым объединить коэффициенты модели glm: imp=mice(nhanes2, print=F)

 imp$meth

 fit0=with(data=imp, glm(hyp~age, family = binomial))

 fit1=with(data=imp, glm(hyp~age+chl, family = binomial))

 summary(pool(fit1))

Тем не менее, я не могу найти способ объединить другой вывод, сгенерированный glm. Например, функция glm создает AIC, нулевое отклонение и остаточное отклонение, которые можно использовать для тестирования модели. пул (итоговая (fit1)) ## итоговая оценка вменения 1:

     Call:
     glm(formula = hyp ~ age + chl, family = binomial)

    Deviance Residuals: 
     Min       1Q   Median       3Q      Max  
      -1.0117  -0.7095  -0.4862  -0.2169   2.2267  

    Coefficients:
   Estimate Std. Error z value Pr(>|z|)
    (Intercept) -5.69937    3.78119  -1.507    0.132
    age2         1.34014    1.35545   0.989    0.323
    age3         1.55824    1.39266   1.119    0.263
    chl          0.01662    0.01749   0.950    0.342

  (Dispersion parameter for binomial family taken to be 1)

  **Null deviance: 25.020  on 24  degrees of freedom
  Residual deviance: 21.898  on 21  degrees of freedom
  AIC: 29.898**

   Number of Fisher Scoring iterations: 5

Я попытался использовать функцию pool.compare, но также не смог сделать это с помощью двоичной переменной результата

pool.compare(fit1, fit0, data=imp, method="правдоподобие")

 Error in Summary.factor(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L,  : 
  ‘min’ not meaningful for factors

Есть ли способ выполнить эти вещи (или получить результаты теста правдоподобия журнала) с помощью умноженных вмененных данных, используя MICE, или есть способ использовать другой пакет, такой как rms, для этого с данными MI, сгенерированными MICE?