Question

如果我有两个变量和九个实例，我想在缺失率（5％.15％）下对我的数据应用缺失机制，如（MCAR，MAR，NMAR）：

Aj <- c(48,75,83,58,83,32,45,50,86)
As <- c(24,30,31,35,60,76,81,82,88)

如下：

对于模拟MAR，我们首先将变量随机分成对（Aj，As），1≤j，s≤r，其中Aj是变量引入了哪些缺失值，As是变量这影响了Aj的缺失。鉴于一对变量（Aj，As）和缺失率α，我们首先分割实例根据它们的值将它们分成两个大小相等的子集在As。如果变量As是数字，我们会找到 As的中位数然后将所有实例分配到根据天气情况，两个子集实例更大值比中位数As。例如，我们可以让实例其中As的值低于中位数60（实例数字1-5）缺少4α的概率，即也就是说，Pr（Aj =缺失|As≤60）=4α。

我在R

中编写了缺少机制的代码

ifelse(As<=median(As),Aj==NA,Aj)
[1] NA NA NA NA NA 32 45 50 86

我的问题是如何在R中为此代码添加丢失率（例如5％）或上述示例和插图的其他代码。

Answer 1

这个单行程会让你以alpha的速度失踪：

ifelse( (As <= median(As)) & (runif(length(As)) < alpha), NA, Aj)

如果您希望观察到的速率接近alpha（您需要弄清楚如何处理舍入），您可以执行以下操作：

 Aj <- c(48,75,83,58,83,32,45,50,86)
 As <- c(24,30,31,35,60,76,81,82,88)

 # missingness rate
 alpha <- 0.05

 # create subset less than the median
 b <- ifelse( As <= median(As) , NA, Aj) 

 # get the size of that subset (not known before hand due to tie handling)
 n.b <- sum(is.na(b))
 b.small <- Aj[is.na(b)]

 # sample from the small subset at a fixed rate, setting sampled to NA
 b.small[ sample(1:n.b, size=ceiling(n.b * alpha)) ] <- NA
 b[is.na(b)] <- b.small

 # b is now Aj with missingness

输出应类似于

 [1] 48 NA 83 58 83 32 45 50 86

缺失机制和缺失率

1 个答案: