我的疑问是，是否有可能将来自“mice()”的多个插补数据集汇集到来自“crr()”的 Fine-Gray 拟合模型上，并且它在统计上是否正确......

例子

I have a matrix that is half-sparse. Half of all cells are blank (na) so when I try to run the 'mice' it tries to work on all of them. I'm only interested in a subset.

Question: In the following code, how do I make "mice" only operate on the first two columns? Is there a clean way to do this using row-lag or row-lead, so that the content of the previous row can help patch holes in the current row?

Places that I have looked for answers:

• help document (link)
• google of course...
• https://stats.stackexchange.com/questions/99334/fast-missing-data-imputation-in-r-for-big-data-that-is-more-sophisticated-than-s

我使用 R 中的 mouse 包估算了一个数据。数据集包含一个因子变量，具有 n 个因子水平。我想计算每个因素的比例并返回计算估算值的标准误差。下面是一个示例代码。

这将显示以下结果：

如何修改我的代码，以便它为我提供 pool.scalar 返回的所有组件的值？

谢谢！

我不确定是否需要为此提供可重现的输出，因为这是一个更普遍的问题。无论如何，在运行 mouse 包后，它会返回m多个估算数据集。我们可以使用complete()函数提取数据。

但是，我很困惑我应该使用哪个数据集进行后续分析（描述性估计、模型构建等）。

问题： 1. 我是否需要提取特定的数据集，例如complete(imp,1)？或者我应该使用整个估算数据集，例如complete(imp, "long", inc = TRUE)？

2. 如果是后者complete(imp, "long", inc = TRUE)，我如何计算一些描述，如均值、比例等？例如，我将使用 SPSS 分析长数据。我应该根据m估算数据集的数量拆分数据并手动找到平均值吗？那应该怎么做？

谢谢你的帮助。

我有一个缺失值的数据集，因此将该mice函数作为插补方法运行。直到这里一切正常。现在我想将原始数据集和估算数据集的分布与使用 或 的包lattice进行比较。但这些情节都不起作用。我总是得到错误：xyplotdensityplotstripplot

没有适用于“xyplot”的方法应用于“mids”类的对象

到目前为止，这是我的代码。

tempData是我的估算数据数据集。min.observed是缺失值并被估算的变量。总体而言，slide和transfer是没有缺失值的变量。

我正在使用 svydesign 分析估算数据集，但出现错误。下面是代码：

我正在关注此页面的教程： http ://r-survey.r-forge.r-project.org/survey/svymi.html

我如何修改代码以使其工作？

编辑：

我更改data=imputationList(imp)为data=complete(imp,1)并且我能够使代码工作。但是，这效率不高，因为我必须对所有估算集执行此操作。使用时有什么磨损imputationList吗？

这是我之前帖子的延续

使用估算数据集的 svydesign 错误

我想rake()在我的估算数据集中运行一个函数。但是，它似乎没有找到输入变量。下面是一个示例代码：

如果我将输入数据更改为单个数据集，则该代码有效。也就是说des<-svydesign(id=~1, data=imputationList(imp_list))，我有这个

我如何编辑代码，使其能够识别rake()函数中的输入数据集是多重插补类型？

我正在做一个学校项目，我需要对缺失的数据进行插补，在用老鼠插补后，我试图生成具有完整功能的完整数据集。

当我一一运行它们时，一切正常，但是我想使用 for 循环以防万一我想要的不仅仅是m = 5插补。现在，当尝试运行时for-loop，我总是得到错误

完整错误（插补[1]）：输入数据必须具有“mids”类。

但是，当我查找课程时，它是中间的，这里出了什么问题？

这是我的代码：

有人可以帮我吗？

如何使用mice() 使用1:10 行为此数据集运行链式方程的多元插补，但仅预测第11 行？

这段代码运行完美，但是mice() 试图预测所有的NA。我不想花费资源来计算这些，我只需要预测第 11 行。

我正在使用miceinR来估算随机丢失的数据。我在尝试解释NAs数据集中的条件或结构化时遇到了问题。

一个简单的数据集来说明问题：

在这个例子中，变量Condition是一个看门人问题，它决定了受访者是否需要填写接下来的三个问题Dependent#。如果受访者回答“否”并且他/她没有看到接下来的三个问题，那么它们将被标记为NAs - 尽管从技术上讲并没有丢失。

在这种情况下我能做什么？如果我将变量NA中的值与、和中的值一起估算，我将如何确保我不会得到没有意义的值？ConditionDependent1Dependent2Dependent3Dependent#

我已经想到了可能的解决方案，但我认为没有一个是有效的或一个好主意，例如，创建一个结构化的缺失值，比如-999根据条件答案对数据框进行子集化。

在阅读mices 作者的文档和论文时，我没有看到任何mice关于这种情况的论据。另一种选择是，我只是一直在使用多重插补的兔子洞，这不是正确使用它。