通过小鼠进行的多变量确定性回归插补导致结果不稳定

Question

mice R 包通过指定method = "norm.predict" 提供确定性回归插补。由于确定性回归插补的性质，即不向插补值添加噪声，我希望插补值始终相同，无论我使用哪种种子。对于单变量缺失，这似乎有效。但是，我在估算多变量缺失时发现了不一致之处。下面用一个可重现的例子来说明这个问题：

library("mice")

# Example 1: Univariate missings (works fine)
data1 <- data.frame(x1 = c(NA, NA, NA, 8, 5, 1, 7, 4),
                    x2 = c(2, 13, 12, 5, 6, 6, 1, 2),
                    x3 = c(4, 7, 4, 5, 1, 2, 7, 3))

# Impute univariate missings
imp <- mice(data1, method = "norm.predict", m = 1)
complete(imp) # Always the same result


# Example 2: Multivariate missings (leads to inconsistent imputations)
data2 <- data1
data2[4, 2] <- NA

# Impute multivariate missings
imp1 <- mice(data2, method = "norm.predict", m = 1, seed = 111)
imp2 <- mice(data2, method = "norm.predict", m = 1, seed = 222)

# Results are different
complete(imp1)
complete(imp2)

问题：为什么小鼠的多元确定性回归插补不一致？

Answer 1

来自?mice 看看data.init 参数的描述：

data.init 与数据大小和类型相同的数据框，不包含 缺失数据，用于在开始之前初始化插补 迭代过程。 默认 NULL 表示开始插补 是通过从数据中简单随机抽取而创建的。注意 data.init 的规范将启动 m Gibbs 采样流 来自相同的估算。

这就是随机性的来源。不是来自 norm.predict 方法本身，正如你所说，它是完全确定的。 （您可以在控制台输入mice.impute.norm.predict 来查看确认方法）。

所以为了避免随机抽样，我们必须提供mice 和data.init：

data.init = data2
for (i in 1:ncol(data.init)) data.init[, i][is.na(data.init[, i])] = 1

imp1 <- mice(data2, method = "norm.predict", m = 1, data.init = data.init, seed = 111)
imp2 <- mice(data2, method = "norm.predict", m = 1, data.init = data.init, seed = 222)

# Results are the same
complete(imp1)
complete(imp2)