这个问题更多的是关于统计而不是 R 编程，虽然我是 R 的初学者，但我特别感谢在 R 的上下文中的任何想法；感谢您考虑：
我们的一个线性模型 (lm) 中的结果变量是腰围，大约 20% 的数据集中缺少腰围。去年发布了一个模型，该模型可以根据 BMI、年龄和性别（我们确实拥有所有这些）可靠地估计腰围。我想使用这个模型来估算我们数据中缺少的腰围，但我想确保我在那个估计模型中加入了已知的错误。已报告截距和每个系数的标准误差。
您能否建议我如何负责任地估算（或者更好的词是估计）丢失的腰围并评估对我自己的腰围预测模型的任何影响？
再次感谢任何编码策略。
正如弗兰克所指出的，这个问题具有很强的统计特征。但是一种可能的解决方案确实需要一些复杂的编程，所以将它放在 R 线程中也许是合法的。
为了“将已知误差纳入该估计”，一种标准方法是多重插补，如果你想走这条路，R 是一个很好的方法。这有点涉及，所以你必须自己制定代码的细节，但如果你了解基本策略，它就相对简单了。
基本思想是，对于数据集中的每个主题，您首先使用已发布的模型和 BMI、年龄和性别来估算腰围，以确定期望值，然后添加一些模拟的随机噪声；您必须通读该出版物以确定该噪声的数值。填写完每个缺失值后，您只需执行要运行的任何统计计算，并保存标准错误。现在，您创建第二个数据集，该数据集源自具有缺失值的原始数据集，再次使用已发布的模型估算预期值以及一些随机噪声——由于噪声是随机的，因此该数据集的估算值应该是不同于第一个数据集的估算值。现在做你的统计计算，并保存标准误差，这与第一个估算数据集的标准误差略有不同，因为估算值包含随机噪声。重复一堆。最后，对保存的标准误差进行平均，这将为您提供一个标准误差的估计值，其中包含归因于插补的不确定性。
您所做的实际上是一个两级模拟：在低级别上，对于每次迭代，您都使用已发布的模型创建一个模拟数据集，其中包含缺失数据的嘈杂估算值，然后为您提供模拟标准误差，以及然后在较高的层次上，您重复该过程以获得此类模拟标准误差的样本，然后您对其进行平均以获得您的总体估计。
这在 SAS 或 Stata 等传统统计数据包中很难做到，尽管这是可能的，但在 R 中更容易做到，因为它基于适当的编程语言。所以，是的，你的问题正确地说是一个统计问题，但最好的解决方案可能是 R 特定的。