[英]Perform operation on each imputed dataset in R's MICE
我怎样才能执行操作(如子集划分或添加计算的列)的类的对象上的每个数据集估算mids
来自R的包mice
? 我希望结果仍然是一个mids
对象。
编辑:示例
library(mice)
data(nhanes)
# create imputed datasets
imput = mice(nhanes)
估算的数据集存储为列表列表
imput$imp
其中只有对给定变量进行插补的观察行。
原始(不完整)数据集存储在这里:
imput$data
例如,我将如何在每个估算数据集中创建一个计算为chl/2
的新变量,从而产生一个新的mids
对象?
这可以很容易地完成如下 -
使用complete()
将 mids 对象转换为长格式 data.frame:
long1 <- complete(midsobj1, action='long', include=TRUE)
执行任何需要的操作:
long1$new.var <- long1$chl/2
long2 <- subset(long1, age >= 5)
使用as.mids()
将操纵的数据转换回 mids 对象:
midsobj2 <- as.mids(long2)
现在您可以根据需要使用midsobj2
。 请注意, as.mids()
需要include=TRUE
(用于包含具有缺失值的原始数据as.mids()
才能正确压缩长格式数据。 请注意,在 mouse v2.25 之前, as.mids() 函数中存在一个错误(请参阅此帖子https://stats.stackexchange.com/a/158327/69413 )
编辑:根据这个答案https://stackoverflow.com/a/34859264/4269699 (从本质上是一个重复的问题),您还可以通过访问 $data 和 $imp 直接编辑 mids 对象。 所以例如
midsobj2<-midsobj1
midsobj2$data$new.var <- midsobj2$data$chl/2
midsobj2$imp$new.var <- midsobj2$imp$chl/2
但是,如果您想对 $imp 进行子集化或使用 $call,您会遇到麻烦,因此我一般不推荐此解决方案。
另一种选择是在插补之前计算变量并对它们施加限制。
library(mice)
# Create the additional variable - this will have missing
nhanes$extra <- nhanes$chl / 2
# Change the method of imputation for extra, so that it always equals chl/2
# Change the predictor matrix so only chl predicts extra
ini <- mice(nhanes, max = 0, print = FALSE)
meth <- ini$meth
meth["extra"] <- "~I(chl / 2)"
pred <- ini$pred # extra isn't used to predict
pred["extra", "chl"] <- 1
# Imputations
imput <- mice(nhanes, seed = 1, pred = pred, meth = meth, print = FALSE)
有大量的with
可以帮助你
with(imput, chl/2)
文档位于?with.mids
basecamb
包中有一个函数:
library(basecamb)
apply_function_to_imputed_data(mids_object, function)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.