鼠标中的R模拟和回归（）

Question

我正在R中使用mouses包进行多次插补，并试图了解其背后的算法。

根据其文档http://www.jstatsoft.org/v45/i03/paper ，据说使用了MICE算法。 据我了解，它使用Gibbs Sampler执行MCMC，其中模拟参数BETA，该参数定义给定Y（所有其他没有Y的变量）的Y（具有缺失值的变量）的条件分布。 利用模拟的BETA，定义了相应的条件分布。 然后，它从条件分布中提取值并用条件分布替换缺失值。 它将对所有缺少值的变量重复该过程。

但是，我不明白的是，回归发生在哪里？ 在mice（）函数中，我们确实需要指定“ method”参数。 例如，“ logreg”表示二项式分布变量，“ polyreg”表示大于2级的因子变量。 如果插补由MCMC完成，为什么我们需要指定回归？

一些文档表明，MICE算法在所有缺少模式的变量上迭代运行回归。 在每种情况下，缺失的一个变量是响应变量，而其他所有都是解释性变量。 然后，将使用拟合值来替换缺少的值，并继续到缺少的下一个变量。 下一次回归将包括来自上次回归的估算数据。 这与Gibbs采样器相同，但是似乎没有仿真。 详细信息在这里http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3074241/

谁能帮助我了解R中的老鼠实际上发生了什么？

Answer 1

对于每个缺少数据的变量（Y1，...，Yj，... Yk），MICE算法都对所有其他变量（Yj-或子集therof）进行统计模型拟合。 统计模型的类型用method表示。 这就是“回归”。 给定Yj-，拟合模型用于绘制Yj缺失部分的替换物。 之后，算法将继续处理包含缺失值的下一个变量。

一旦所有变量都已填满，算法就会重新开始。

请注意，在拟合模型时，MICE算法会将Yj的观测部分回归到 Yj-的观测部分和估算部分上。 换句话说，在每次迭代中，回归模型都以一组不同的预测值作为条件（因此通常需要一个以上的迭代）。 这与MI的其他实现略有不同。

还要注意，MICE算法并不是正式的Gibbs采样器（请参见Carpenter和Kenward，2013年写得很好的讨论）。