MICE 的自定义插补功能停止工作

Question

去年，我使用来自this question 的信息构建了一个自定义函数，以使用 R 中的 MICE 在简单的逻辑约束下估算缺失数据。以下代码仍然适用于 2.30 版的鼠标，但从 2.46 版起将无法使用（和老鼠现在是3.3）。这是我正在尝试做的事情，包括 MWE 以及对我迄今为止所尝试的内容的完整解释。

鉴于以下数据，（N，Y）组合是不可能的（结构零）。所有其他组合都很好。因此，第 7、9 和 10 行中的缺失数据可以估算为 Y 或 N，但第 8 行中 y4 的缺失值被限制为“N”。

df <- data.frame(U = runif(10), 
                y4 = factor(c("N", "N", "Y", "Y", "Y", "Y",  NA,  NA, "Y",  "Y")),
                y5 = factor(c("N", "N", "Y", "Y", "N", "N", "N", "Y", NA,   NA)))

> df
            U   y4   y5
1  0.49717835    N    N
2  0.37466084    N    N
3  0.14765796    Y    Y
4  0.98469334    Y    Y
5  0.33477385    Y    N
6  0.96072250    Y    N
7  0.47953952 <NA>    N
8  0.08374912 <NA>    Y
9  0.27682921    Y <NA>
10 0.13180437    Y <NA>

由于 y4 和 y5 是因子，我们使用多头回归模型来生成插补。下面的代码做到了这一点，没有错误。

library(mice)
mice(df, m=2, method=c("", "polyreg", "polyreg"), maxit = 5)

polyreg 函数调用mice.impute.polyreg 函数。在每次迭代中，传递给mice.impute.polyreg 的数据都是从前一次迭代中估算出来的，因此没有丢失数据。对于 MWE，我删除了那些缺少 y5 的行并尝试再次估算。

df.nm5 <- df[1:8,]

> mice.impute.polyreg(y=df.nm5$y4, ry = !is.na(df.nm5$y4), x=df.nm5[,c(1,3)])
[1] "Y" "Y"

现在，对 mice.impute.polyreg 的调用确实会引发一些 na.rm 类型错误，但我认为这与数据的大小/结构有关，与插补函数无关

Warning messages:
1: In mean.default(newX[, i], ...) :
  argument is not numeric or logical: returning NA
2: In mean.default(newX[, i], ...) :
  argument is not numeric or logical: returning NA
3: In FUN(newX[, i], ...) : NAs introduced by coercion

mice.impute.polyreg 的输出是要估算的值的向量。我想劫持该输出，并进行确定性编辑，以使所有估算值都遵循这些约束。所以我写了自己的函数，mice.impute.polyreg_y4_adv

mice.impute.polyreg_y4_adv <- function(y, ry, x){

  vals <- mice.impute.polyreg(y, ry, x) # generate imputed values using polyreg

  logic_5 <- x[!ry, "y5"]               # extracts y5 fom the data x where y4 is missing

  vals[logic_5=="Y"] <- "N"             # if y5 is "Y", then change the imputed value for y4 to be "N"

  return(vals)
}

如果我将这个新函数传递给mice，我会得到一个关于wy 的参数作为未使用的参数。

> mice(df.nm5, m=2, method=c("", "polyreg_y4_adv", "polyreg"), maxit = 5)

 iter imp variable
  1   1  y4Error in mice.impute.polyreg_y4_adv(c(1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L),  : 
  unused arguments (wy = c(FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, TRUE, TRUE), 
                    type = c(1, 1))

如果我修改 mice.impute.polyreg_y4_adv 以提供 wy=NULL 参数，

mice.impute.polyreg_y4_adv <- function(y, ry, x, wy=NULL){
  vals <- mice.impute.polyreg(y, ry, x)
  logic_5 <- x[!ry, "y5"]
  vals[logic_5=="Y"] <- "N" 
  return(vals)
}

iter imp variable
  1   1  y4Error in mice.impute.polyreg_y4_adv(c(1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L),  : 
  unused argument (type = c(1, 1))

我仍然收到关于未使用参数类型的错误（我在mice.impute.polyreg 的帮助文件中找不到）。不过，如果我也将那个论点设为 NULL..

mice.impute.polyreg_y4_adv <- function(y, ry, x, wy=NULL, type=NULL){
  vals <- mice.impute.polyreg(y, ry, x)
  logic_5 <- x[!ry, "y5"]
  vals[logic_5=="Y"] <- "N" 
  return(vals)
}

mice(df.nm5, m=2, method=c("", "polyreg_y4_adv", "polyreg"), maxit = 5)

现在我的下标越界错误。

 iter imp variable
  1   1  y4Error in x[!ry, "y5"] : subscript out of bounds

如果我手动将参数传递给mice.impute.polyreg(y, ry, x)，我不会得到x[!ry, "y5"] 的越界错误。

变更日志未提供任何实质性信息。

Answer 1

我认为这是一个因子转换问题。

尝试在自定义函数上设置断点，然后运行它：

debugonce(mice.impute.polyreg_y4_adv)
mice(df.nm5, m=2, method=c("", "polyreg_y4_adv", "polyreg"), maxit = 5)


Browse[2]> str(x)
num [1:10, 1:2] 0.158 0.169 0.243 0.534 0.815 ...
- attr(*, "dimnames")=List of 2
..$ : chr [1:10] "1" "2" "3" "4" ...
..$ : chr [1:2] "U" "y5Y"

现在该列的名称似乎是 y5Y。我会继续寻找是什么改变了这一点，它可能是依赖关系而不是老鼠本身。

编辑：

在 sampler.R 中，我们可以看到它通过 model.matrix 转换 x： https://github.com/cran/mice/blob/53f69107bb81f03e98dcdd19e90186043864c670/R/sampler.R#L183-L193

该文件是在 2.46 中引入的 - 大概在那之前使用了其他东西，但我在历史记录中找不到它。