输入数据必须具有类中值答案

【问题标题】：Input data must have class mids输入数据必须具有类中值
【发布时间】：2017-07-28 22:13:20
【问题描述】：

我正在做一个学校项目，我需要对缺失的数据进行插补，在用老鼠进行插补后，我试图生成具有完整功能的完整数据集。

当我一个一个地运行它们时，一切正常，但我想使用一个 for 循环，以防我想要的不仅仅是 m = 5 插补。现在，当尝试运行for-loop 时，我总是收到错误

完成错误（imputation[1]）：输入数据必须有类“mids”。

但是，当我查找课程时，它是中等，这里出了什么问题？

这是我的代码：

imputation <- mice(data = data, m = 5, method = "norm", maxit = 1, seed = 500) 
m <- 5
for(i in 1:m){
  completeData[m] <- complete(imputation[m])
  print(summary(completeData[m]))
}

有人可以帮我吗？

【问题讨论】：

请告诉我在你的真实应用中你不使用maxit=1
我的老师说可以这样做吗？但是我应该重新考虑一下，这是否可能导致错误？
它不会导致错误的说。它可能只会给你非常糟糕的推算。链式方程算法应该运行到收敛。您只允许它运行一次迭代。因此，插补结果可能毫无价值。
tbh 我也想知道这个问题，我不太确定他为什么提出这个解决方案，他还建议将 norm 作为方法，但是我的 NA 变量是分类变量，并且 norm 会计算奇数但是我什至需要，所以我正在考虑使用购物车...
如果你所有的数据都是分类的，我强烈推荐包imputeMulti。作为包作者，我有偏见；但我的测试表明它比Amelia、mice 或Hmisc 中的任何一个都准确得多。而且这个结果对于数据中的缺失量是稳健的......请注意，imputeMulti 仅适用于分类数据，不包括混合（分类和连续）数据。

标签： r missing-data imputation r-mice

【解决方案1】：

因为类不是mids，所以出现错误：

imputation[1]
# $call
# mice(data = walking, m = 5, maxit = 0, seed = 500)

class(imputation[1])
# [1] "list"

来自?complete的手册：

用法

complete(x, action = 1, include = FALSE)

library(mice)

# dummy data imputation
data(walking)
imputation <- mice(walking, max = 0, m = 5, seed = 500)

# using for loop
m <- 5
for(i in 1:m){
  completeData <- complete(imputation, m)
  print(summary(completeData))
}

# I prefer to use lapply
lapply(seq(imputation$m), function(i) summary(complete(imputation, i)))

【讨论】：