使用集群数据的鼠标进行填充

Question

因此，我使用mice软件包来推算缺失的数据。我是新来的填补，所以我有一个点，但已经遇到了一个陡峭的学习曲线。为了让玩具例子：

library(mice) 
# Using nhanes dataset as example 
df1 <- mice(nhanes, m=10) 

因此，大家可以看到我估算大多采用默认设置DF1 10倍 - 我习惯使用的回归模型这个结果，汇集结果等。但是在我的现实生活中的数据，我有来自不同国家的调查数据。因此，各国的失误程度各不相同，特定变量的值也就是年龄，教育程度等。因此，我想归咎于错误，允许国家进行集群。因此，我将创建没有missings分组变量（在这个玩具例如与其他变量的相关性缺失的课程，但在我的实际数据存在）

# Create a grouping variable 
nhanes$country <- sample(c("A", "B"), size=nrow(nhanes), replace=TRUE) 

那么如何我告诉mice()这个变量与其他人不同 - 即它是多级数据集中的一个级别？

Answer 1

如果您在“混合效果”模型中思考群集，那么您应该使用mice提供的用于群集数据的方法。这些方法可以在manual中找到，通常以2l.something为前缀。

的各种用于群集数据的方法在mice会受到一定限制，但我可以推荐使用2l.pan用于在集群级别缺少下级单元和数据2l.only.norm。

作为混合效果模型的替代方法，您可以考虑使用虚拟指标来表示聚类结构（即每个聚类的一个虚拟变量）。从混合效应模型的角度来看，这种方法并不理想。因此，如果您想进行混合效果分析，请尽可能使用混合效果模型。

下面，我给出了两种策略的例子。

准备：

library(mice) 
data(nhanes) 

set.seed(123) 
nhanes <- within(nhanes,{ 
    country <- factor(sample(LETTERS[1:10], size=nrow(nhanes), replace=TRUE)) 
    countryID <- as.numeric(country) 
}) 

案例1：使用归责混合效应模型

本节使用2l.pan缺失数据归咎于三个变量。请注意，我使用clusterID作为群集变量，方法是在预测矩阵中指定-2。对于所有其他变量，我只分配固定效果（1）。

# "empty" imputation as a template 
imp0 <- mice(nhanes, maxit=0) 
pred1 <- imp0$predictorMatrix 
meth1 <- imp0$method 

# set imputation procedures 
meth1[c("bmi","hyp","chl")] <- "2l.pan" 

# set predictor Matrix (mixed-effects models with random intercept 
# for countryID and fixed effects otherwise) 
pred1[,"country"] <- 0  # don't use country factor 
pred1[,"countryID"] <- -2 # use countryID as cluster variable 
pred1["bmi", c("age","hyp","chl")] <- c(1,1,1) # fixed effects (bmi) 
pred1["hyp", c("age","bmi","chl")] <- c(1,1,1) # fixed effects (hyp) 
pred1["chl", c("age","bmi","hyp")] <- c(1,1,1) # fixed effects (chl) 

# impute 
imp1 <- mice(nhanes, maxit=20, m=10, predictorMatrix=pred1, method=meth1) 

情况2：使用用于集群

本节使用pmm用于插补，和群集结构虚设指标（DIS）插补是在“特别”的方式表示。也就是说，聚集不是由随机效应代替，而是由固定效应代替。这可能会夸大由于缺失数据而导致的变量的群集级别变化，因此请确保您知道您在使用它时做了什么。

# create dummy indicator variables 
DIs <- with(nhanes, contrasts(country)[country,]) 
colnames(DIs) <- paste0("country",colnames(DIs)) 
nhanes <- cbind(nhanes,DIs) 


# "empty" imputation as a template 
imp0 <- mice(nhanes, maxit=0) 
pred2 <- imp0$predictorMatrix 
meth2 <- imp0$method 

# set imputation procedures 
meth2[c("bmi","hyp","chl")] <- "pmm" 

# for countryID and fixed effects otherwise) 
pred2[,"country"] <- 0  # don't use country factor 
pred2[,"countryID"] <- 0 # don't use countryID 
pred2[,colnames(DIs)] <- 1 # use dummy indicators 
pred2["bmi", c("age","hyp","chl")] <- c(1,1,1) # fixed effects (bmi) 
pred2["hyp", c("age","bmi","chl")] <- c(1,1,1) # fixed effects (hyp) 
pred2["chl", c("age","bmi","hyp")] <- c(1,1,1) # fixed effects (chl) 

# impute 
imp2 <- mice(nhanes, maxit=20, m=10, predictorMatrix=pred2, method=meth2) 

如果你想什么想这些方法读了，看看one或these论文two。

Answer 2

您必须设置一个predictorMatrix来告诉鼠标使用哪个变量来推测另一个变量。这样做的一个快速方法是使用predictorM<-quickpred(nhanes)

然后，如果它是一个正常变量，则将矩阵中的1更改为2，如果它是不同国家的二级变量，则将其更改为-2，并将其提交给mice命令作为predictorMatrix =predictorM。在method命令中，如果它是一个度量变量，则现在必须将方法设置为2l.norm;如果是二进制变量，则将方法设置为2l.binom。对于后者，你需要Sabine Zinn写的功能（https://www.neps-data.de/Portals/0/Working%20Papers/WP_XXXI.pdf）。不幸的是，我不知道世界上是否有用于计算两级计数数据的方法。

意识到输入多级数据集会使过程变慢。根据我的经验，PMM或狒狒包中的重采样方法在保持数据的层次结构方面效果良好，使用速度更快。