如何使用mice选择最佳推算数据

Question

使用mice包，我输入了一个数据集，如下所示：

imp <- mice(nhanes)

它为每个变量生成5个估算数据集：

imp$imp$bmi
#      1    2    3    4    5
#1  35.3 30.1 26.3 28.7 27.2
#3  30.1 22.0 30.1 28.7 22.0
#4  21.7 27.2 25.5 24.9 21.7
#6  24.9 25.5 24.9 27.5 22.5
#10 20.4 33.2 26.3 27.2 27.4
#11 22.0 27.2 27.2 30.1 22.0
#12 27.4 20.4 27.2 27.2 20.4
#16 30.1 30.1 27.2 22.5 29.6
#21 27.4 27.2 26.3 22.0 30.1

所以我不知道如何选择最好的推算数据。

例如，对于bmi (如上)，5列中的哪一列将是最佳选择？

谢谢

Answer 1

没有最好的数据集。选择单个数据集将仅考虑数据集内的变化/误差，而不考虑数据集之间的变化。

这就是为什么像回归这样的分析在处理估算数据时应该利用with和pool命令。

Answer 2

mice的整个概念是，您拥有多个估算的数据集。

如果你只想要1个推算的数据集，你可以使用Single Imputation包，比如missForest，imputeR，VIM，这些包有时更容易使用/理解语法。

像mice这样的Multiple Imputation包的优点是，您有多个推算数据集，这可以帮助解释通过执行推算而发生的不确定性。

您不会使用其中一个估算的数据集，而是对所有5个(或更多)这些数据集执行分析。

通过这样做，您知道您的分析结果可能会有多大的不同。之后，您可以汇集您的结果。mice可帮助您完成此过程。

典型的mice工作流程如下所示：

# 1. Perform imputations
imp <- mice(nhanes, maxit = 2, m = 2)

# 2. Create model for all imputed datasets / in this case m = 2
fit <- with(data = imp, exp = lm(bmi ~ hyp + chl))

# 3. Pool the results
pool <- pool(fit)

# Print results
summary(pool)