在小鼠（R包装）中究竟能完成什么工作？

Question

我正在研究如何使用多个插补结果。以下是我的理解，如果有错误，请告诉我。

假设您有一个缺少值的数据集，并且想要进行回归分析。您可以对m = 5次执行多次插补，并且对于每个插补数据集（现在有5个插补数据集）运行回归分析，然后通过Rubin规则“合并”这些m = 5个模型的系数估计值（或使用R包“ pool”）。

我的问题是，在小鼠中，您有一个名为“ complete”的命令，并且手册说您可以使用“ complete（object）”提取完成的数据集。

但是，如果我使用小鼠m = 5次，那么使用“完整”是否仍然有意义？哪些插补结果将为我“完成”？

此外，如果我只使用m = 1的鼠标有意义吗？谢谢。

Answer 1

您可能忽略了参数中的 mice::complete() 使用 action=1 作为默认值，它“返回第一个估算数据集”（参见 ?mice::complete），实际上是毫无价值。

您绝对应该使用 action="long" 来考虑多重插补的“多重性”！

不，使用 m=1 完全没有意义（除了调试），因为每个插补都基于随机过程，您必须汇集结果（使用任何方法）来解释变化。通常推荐m>20¹。

基本上，多重插补的工作原理如下：

1. 用一个随机分量创建 m 个插补过程，以获得
2. m 个略有不同的估算数据集。
3. 分析每个插补数据集以获得略有不同的参数 估计。
4. 组合结果，计算参数估计值的变化。

（另请参阅 multiple-imputation-in-a-nutshell 以了解简要概述。）

Answer 2

使用mice时，您得到的对象不是估算的数据集。如果不使用mice中的特殊功能，则无法直接对其进行操作。如果要提取实际的估算数据集，请使用complete，其输出为data.frame，每个估算值每行一行（如果使用"long"格式）。如果您要对无法在mice内执行的估算数据进行任何分析，则需要首先创建此数据集。有关将其用于与多个估算数据匹配倾向得分的示例，请参见documentation中的cobalt。