问题标签 [r-mice]

我已经使用 R 中的 MICE 包成功完成了对问卷研究缺失数据的多重插补，并对汇总的插补变量进行了线性回归。我似乎无法弄清楚如何提取单个汇集变量并在图表中绘图。有任何想法吗？

例如

我想通过 TMAS 绘制汇集的 APE。

使用 nhanes 的可重现示例：

我想针对池化 bmi 绘制池化 chl（例如）。

我能做到的最好的是

我相信这给出了所有 5 个插补的组合图，并不是我想要的（我认为）。

尽管已经使用了 ggplot 几次，但我真的很难在这个问题上取得任何进展。我想如果不尝试使用 ggplot 的可恶尝试，最容易解释我想要做什么，以下内容也很丑陋，但这是我目前能做到的最好的:(

我想创建一个漂亮的图表网格，在 ggplot 中显示这些条形图 - 例如，1 行 6，在 y 轴上都具有相同的比例，以便可以轻松比较它们。

我想我应该使用ldt <-complete(impute,"long", include=TRUE)thenmelt(ldt, c(".imp",".id","hyp"))但我就是不知道在那之后如何调用 ggplot :(

请注意，我的真实数据中有许多不同的变量，这仅适用于分类变量。我在想我可以制作一个函数，然后使用sapply，但只能在分类列上运行？但我不知道该怎么做！

以下代码来自@ROLO 对我之前的问题的回答，生成了 3 个图：

我的问题是，如何修改它以单独绘制每个？

我有一个包含生存数据和一些缺失协变量的数据集。我已经成功地应用了mice-package来使用该mice()函数来估算m个数据集，创建了一个imputationList对象并在每个m数据集上应用了一个Cox PH模型。随后，我使用该函数汇总了结果MIcombine()。这导致了我的问题：

如何获得每个协变量的汇总估计值的 p 值？它们是否隐藏在MIcombine物体内的某个地方？

我知道 p 值并不是一切，但是在没有相应 p 值的情况下报告估计值和置信区间对我来说似乎很奇怪。我可以计算一个近似值。使用例如Altman 提供的公式从置信区间中获取 p 值，但这似乎过于复杂。我已经四处寻找答案，但我什至找不到任何人提到这个问题。我是否忽略了一些明显的东西？

例如：

我试图对 MIcombine 对象的结构进行排序，但到目前为止还没有找到 p 值。

我正在尝试使用 MICE 包在 R 中创建多个插补，但 kepp 内存不足。这是我收到的错误消息：

我使用 64 位 R 和 windows 7 和 8 Gb 内存。我已经尝试增加实际内存，并且允许内存大小 R 分别使用 8 Gb 和 6.5 Gb，但它仍然不起作用。目前，我正在尝试对包含 27 000 行和 17 列的数据集进行插补，但我希望在具有 1 600 000 行和 17 列的更大数据上使用。

有人能帮我吗？将深深感激。

/杰斯珀

我有一个包含大约 11,500 行和 15 个因子的数据集。我只需要估算其中 3 个因子的值，其中只有 2 个因子具有大量缺失值。我一直在尝试使用鼠标来创建估算数据集，并且我正在使用以下代码：

在此代码之后，我收到错误消息：

as.data.frame.default(data) 中的错误：无法将“mids”类强制转换为 data.frame

我完全不知道这意味着什么。只需删除丢失的数据并使用常规 glm，我就可以轻松进行相同的分析。我还想使用 lmer 对估算数据集做一个多级逻辑模型（这是我使用 glm 后的下一步），所以如果我做错了什么也会影响下一步，那将也很高兴知道。我试图在互联网上搜索此错误，但我无处可去。我只是真的在学习 R，所以我对环境还不太熟悉。

谢谢你的时间！

多重插补包mice使用可以使用set.seed参数设置的随机数生成器。我正在运行 R 的多个实例（即 3 个），其中相同的数据使用相同的mice参数进行估算，set.seed=NA其中没有指定任何种子值。

然而，R 的三个实例产生完全相同的插补。我对这个观察感到困惑，因为我认为 R 的不同实例在使用时应该使用不同的种子值set.seed=NA，但看起来它们使用的是相同的。当我set.seed手动设置时，会产生不同的插补。

我的问题是：这是否合理，或者是否存在导致种子相同的计算机（PC windows 7）问题，即使我设置了set.seed=NA. 我欢迎任何关于这个问题的想法。

顺便说一句：我使用 R 的多个实例，因为 MICE 函数ibind()可用于组合mids（乘以估算数据集）对象。因此，它可以节省多核系统的计算时间。如果产生相同的插补，这当然是无稽之谈。

mice在使用大量数据（30 个分类预测变量和预测变量，
n = 1000）在 R 中运行时，我收到以下错误：

错误chol.default(fit.sum$cov.unscaled)：17阶的前导小调不是正定的

我polyreg对大多数变量使用（多项回归）作为插补方法。由于我不知道为什么会发生此错误，因此我无法发布更多可以重现它的代码。

在 MICE 中使用线性回归时，我在这里发现了一个类似问题的帖子。这篇文章在 Cross Validated 上没有收到任何答案。

如本文所述，这也可能与吉布斯抽样中必要的某些程序有关。OP 在自编程函数中使用 描述了此错误MCMC，这与 MICE 使用的程序有关。

我不知道什么是领先的未成年人——如果有人能告诉我，也许那将是一个开始。

运行 MICE 包后，在 5 个完整的插补集中，缺失值的数量从 147428 减少到 46093。但是它不应该是0 NA吗？？？

谢谢！

这是我的 MICE 代码：

我使用了以下 R 包：mice、mitools和pROC.

基本设计：在 n~1,000 上缺失数据率介于 5% 和 70% 之间的 3 个预测指标。1 个二元目标结果变量。

分析目标：确定 3 个预测变量中的每一个的 AUROC。

我用这个mice包来估算数据，现在有m个估算数据的数据集。使用以下命令，我可以获得m个数据集的每一个的 AUROC 曲线：

我可以毫无问题地看到每个m个数据集的估计值。

为了组合参数，我尝试使用 mitools

我收到以下错误消息： "Error in pool(fit): Object has no vcov() method"。

当组合来自m个数据集的系数估计时，我的理解是这是系数的简单平均值。但是，误差项更复杂。

我的问题：如何合并“m”ROC 参数估计值（AUROC 和 95% CI 或 SE）以获得对显着性检验/95% 置信区间的误差项的准确估计？

感谢您提前提供任何帮助。