尝试对具有分层结构的数据集执行多重插补（正在使用的所有数据在个人/ Level1级别上发生冲突，在Level2上没有发生冲突）。将R的' mice '与' miceadds '结合使用，以利用“ ml.lmer”方法来估算在各个级别上测量的变量。
我的鼠标代码似乎运行良好（尽管运行时间超长）：
ML_imp <- mice(df_wide, method = "ml.lmer", predictorMatrix = PredMx, maxit = 30, m=5, levels_id = ClusterList, variables_levels = VlevelList, aggregate_automatically = FALSE)
但是，当我尝试通过使用'parlmice'进行并行处理来加快速度时：
ML_imp.parallel <- parlmice(df, method = "ml.lmer", predictorMatrix = PredMx, maxit = 30, m=5, levels_id = ClusterList, variables_levels = VlevelList, aggregate_automatically = FALSE, n.core = 5, n.imp.core = 1)
我收到以下错误代码：
Error in checkForRemoteErrors(val) : 5 nodes produced errors; first error: object 'mice.impute.ml.lmer' not found
mice.impute.ml.lmer是 miceadds 包中的函数，调用中的“方法= ml.lmer”是指该函数。然而，Parlmice似乎可以与其他方法配合使用，例如“ pmm”（并带有删除分层信息的适应性）。因此，问题似乎在于使parlmice函数与'miceadds'配合使用。有没有人遇到这个问题？还是有可能解决？