我在R中使用NAs来估算随机丢失的数据。尝试在数据集中考虑条件或结构TestData <- data.frame(Condition= c(1,1,1,1,2,NA,2,2),
Dependent1=c(1,NA,2,3,NA,NA,NA,NA),
Dependent2=c(1,12,44,1,NA,NA,NA,NA),
Dependent3=c(NA,2,3,5,NA,NA,NA,NA),
UnaffiliatedQ=c(1,NA,3,2,27,NA,32,35))
TestData$Condition <- factor(TestData$Condition,
levels = c(1,2),
labels = c("Yes","No"))
时，我遇到了问题。
用于说明问题的简单数据集：
Condition在此示例中，变量Dependent#是一个看门人问题，用于确定受访者是否需要填写接下来的三个问题NA。如果受访者回答“否”并且他/她没有看到接下来的三个问题，那么他们被标记为NA - 虽然技术上没有丢失。
在这种情况下我该怎么办？如果我将Condition变量中的Dependent1值与Dependent2，Dependent3和Dependent#中的值一起归入-999值，我将如何确保最终得到mice中没有意义的值？
我已经考虑过可能的解决方案，但我认为没有一个是有效的或者是个好主意，例如，创建一个结构化的缺失值，例如mice基于条件答案对数据帧进行子集化。
在阅读{{1}}作者的文档和论文时，我在{{1}}中没有看到任何关于此类情况的论点。另一种选择是，我只是在多次插入的兔子洞中运行，这不是正确使用它。