原始数据在小鼠汇总估计中的作用（R 包）？答案

【问题标题】：Role of raw data in pooled estimates from mice (R package)?原始数据在小鼠汇总估计中的作用（R 包）？
【发布时间】：2019-01-24 18:05:02
【问题描述】：

我想知道在 R 中使用mice 包来估算数据时，原始数据集的作用是什么。在将长数据集转换回 as.mids 对象之前，我需要估算我的数据，然后计算一些额外的变量。我注意到，在计算我的附加变量（下面代码中的“总计”）时，无论我使用 na.rm=TRUE 是否受到估计和我的理解的影响，它都不应该。这是一个可重现的示例：

# Add required package 
 require(mice)

# Impute data and compute summary with na.rm=T 
 imp1 <- mice(nhanes, seed = 123) 
 com1 <- complete(imp1, "long", include = TRUE) 
 head(com1) 
 com1$total <- rowSums(com1[4:6],na.rm=T)
 imp2 <- as.mids(com1)

# Fit model with data using na.rm=T 
 fit <- with(imp2, lm(bmi ~ age)) 
 round(summary(pool(fit)), 2)

请注意，我的变量“total”是 3 个变量的 rowSums，我使用了 na.rm=TRUE。但是，由于只有原始数据集（由长数据集中的变量“.imp”表示）包含 NA 值，所以这额外的代码应该只与原始数据相关。删除na.rm=TRUE 表明这是不正确的：

# Impute data and compute summary without na.rm=T 
 imp3 <- mice(nhanes, seed = 123) 
 com2 <- complete(imp3, "long", include = TRUE) 
 head(com2) 
 com2$total <- rowSums(com2[4:6]) 
 imp4 <- as.mids(com2)

# Fit model with data without using na.rm=T 
fit2 <- with(imp4, lm(bmi ~ age)) 
round(summary(pool(fit2)), 2)

再次注意，省略 na.rm=TRUE 会导致不同的估计值。此处唯一的区别是，当变量 .imp 等于 0（即原始数据集）时，变量“total”现在具有 NA 值。

我错过了什么？我会认为只有估算数据会影响汇总估计，而我只是表明原始数据集中的值会影响（即来自 .imp = 0 的值）。原始数据集在从小鼠中获取汇总估计值中的作用是什么？

注意：为清晰起见编辑

【问题讨论】：

标签： r missing-data imputation r-mice

【解决方案1】：

我认为原始（原始）数据不起作用。根据as.mids 帮助页面，它只需要指明丢失数据的位置。我运行了您的脚本，发现创建 imp2 时出现错误。你调用对象com，它应该是com1。校正后，两种方法的结果完全相同：

# Add required package 
require(mice)

# Impute data and compute summary with na.rm=T 
imp1 <- mice(nhanes, seed = 123) 
com1 <- complete(imp1, "long", include = TRUE) 
head(com1) 
com1$total <- rowSums(com1[4:6],na.rm=T)
imp2 <- as.mids(com1)

# Fit model with data using na.rm=T 
fit <- with(imp2, lm(bmi ~ age)) 

# Impute data and compute summary without na.rm=T 
imp3 <- mice(nhanes, seed = 123) 
com2 <- complete(imp3, "long", include = TRUE) 
head(com2) 
com2$total <- rowSums(com2[4:6]) 
imp4 <- as.mids(com2)

# Fit model with data without using na.rm=T 
fit2 <- with(imp4, lm(bmi ~ age))

结果：

> round(summary(pool(fit)), 2)
            estimate std.error statistic    df p.value
(Intercept)    29.76      1.86     15.98 18.61    0.00
age            -1.73      0.95     -1.83 19.50    0.08

> round(summary(pool(fit2)), 2)
            estimate std.error statistic    df p.value
(Intercept)    29.76      1.86     15.98 18.61    0.00
age            -1.73      0.95     -1.83 19.50    0.08

简而言之，我认为不同的结果可能是由于您的代码中的错误。我用mice 3.0.9

【讨论】：