我有一个时间序列数据集，其中包含一些缺失值。我希望估算缺失的值，但我不确定哪种方法最合适，例如imputeTS包中的线性，样条或stine。
为了完整起见，我想测试我的数据是MCAR，MAR，NMAR。我有一个公平的想法，它是MCAR，但我有兴趣做这个测试。
str(wideRawDF)
'data.frame': 1343 obs. of 13 variables:
$ Period.Start.Time: POSIXct, format: "2017-01-20 16:30:00" "2017-01-20 16:45:00" "2017-01-20 17:00:00" "2017-01-20 17:15:00" ...
$ DO0182U09A3 : num -102 -101 -101 -101 -101 ...
$ DO0182U09B3 : num -103.4 -102.8 -103.3 -95.9 -103 ...
$ DO0182U09C3 : num -103.9 -104.2 -103.9 -99.2 -104.1 ...
$ DO0182U21A1 : num -105 -105 -105 -104 -102 ...
$ DO0182U21A2 : num -105 -104 -105 -105 -105 ...
$ DO0182U21A3 : num -105 -105 -105 -105 -105 ...
$ DO0182U21B1 : num -102 -103 -104 -104 -104 ...
$ DO0182U21B2 : num -99.4 -102 -104 -101.4 -104.1 ...
$ DO0182U21B3 : num -104 -104 -104 -104 -104 ...
$ DO0182U21C1 : num -105 -105 -105 -104 -105 ...
$ DO0182U21C2 : num -104 -105 -105 -103 -105 ...
$ DO0182U21C3 : num -105 -105 -105 -105 -105 ...
md.pattern(wideRawDF)
Period.Start.Time DO0182U21C1 DO0182U21C2 DO0182U21C3 DO0182U21B1 DO0182U21B2 DO0182U21B3 DO0182U09A3 DO0182U09B3 DO0182U09C3 DO0182U21A1 DO0182U21A2
1327 1 1 1 1 1 1 1 1 1 1 1 1
3 1 1 1 1 1 1 1 0 1 1 1 1
1 1 1 1 1 1 1 1 1 0 1 1 1
2 1 1 1 1 1 1 1 1 1 0 1 1
1 1 1 1 1 1 1 1 0 1 1 0 0
1 1 1 1 1 1 1 1 0 0 1 0 0
3 1 1 1 1 1 1 1 1 0 0 0 0
2 1 1 1 1 1 1 1 0 0 0 0 0
3 1 1 1 1 0 0 0 1 0 0 0 0
0 0 0 0 3 3 3 7 10 10 10 10
DO0182U21A3
1327 1 0
3 1 1
1 1 1
2 1 1
1 0 4
1 0 5
3 0 5
2 0 6
3 0 8
10 66
如您所见，我DF中的某些列没有NA值。我希望只将具有NA的列传递给MissMech包中的TestMCARNormality函数。
我尝试过以下操作，但我仍然遇到同样的错误：
> TestMCARNormality(wideRawDF[,3:4])
Warning: 8 Cases with all variables missing have been removed
from the data.
Warning: More than one missing data pattern should be present.
使用colnames我得到了我引用md.pattern输出的列的索引，以确定我使用的是NA值的列。
> colnames(wideRawDF)
[1] "Period.Start.Time" "DO0182U09A3" "DO0182U09B3" "DO0182U09C3" "DO0182U21A1" "DO0182U21A2" "DO0182U21A3" "DO0182U21B1"
[9] "DO0182U21B2" "DO0182U21B3" "DO0182U21C1" "DO0182U21C2" "DO0182U21C3"
测试缺失值的智能方法是什么，只将带有NAs的列传递给TestMCARNormality函数？
答案 0 :(得分：1)
根据评论，您可以使用以下内容：
has_na <- sapply(wideRawDF, function(x) any(is.na(x)))
TestMCARNormality(wideRawDF[has_na])
has_na是一个布尔向量，对应于wideRawDF的每一列。对于任何至少有一个缺失值的列，它将为TRUE。
因此，wideRawDF[has_na]是您的数据框wideRawDF，但只是缺少值的列。
答案 1 :(得分：0)
事实证明，问题在于TestMCARNormality中的默认设置，该数量涉及缺少模式才能将其包括在分析中的情况。有问题的选项是“ del.lesscases”，默认情况下设置为6。这意味着它将删除少于6种或少于6种情况的所有丢失数据模式。除了数据中第一个缺失的模式（其中包含完整的数据）外，每个模式均不超过3种情况，默认情况下将全部删除。因此，TestMCARNormality会为您提供以下错误：您需要多个丢失的数据模式，这是正确的。如果设置del.lesscases = 2，则它将保留所有丢失的模式，至少保留3个案例；如果设置为del.lesscases = 1，则将保留所有模式的至少2个案例。