如何在 R 的 foreach 循环中使用多重插补数据集（中间）object？

Question

如本文所述，我正在尝试使用并行计算来计算最小绝对偏差回归参数的百分位引导 95% 置信区间。 但是，我没有使用单个数据框，而是使用mice package 获得的多重插补数据集（ mids ）object，用于多重插补。 这就是问题所在。

我想在 foreach 循环中使用mids值（或多重插补数据集列表）object，执行引导，并汇集结果。 通过将mids object 转换为一个列表，然后使用该列表中的一个元素，我设法仅基于一个单一数据集获得了结果。 尽管如此，我想一次使用所有数据集。

一个可重现的例子：

library(foreach)
library(doParallel)
cores_2_use <- detectCores() - 1

cl <- makeCluster(cores_2_use)
clusterSetRNGStream(cl, 9956)
registerDoParallel(cl)

library(mice)
imp_merged <-
  foreach(no = 1:cores_2_use, 
          .combine = ibind, 
          .export = "nhanes",
          .packages = "mice") %dopar%
  {
    mice(nhanes, m = 30, printFlag = FALSE)
  }
stopCluster(cl)

在这里我尝试过：

library(quantreg)
library(mitml)
library(miceadds)
library(splines)

cl <- makeCluster(cores_2_use)
clusterSetRNGStream(cl, 9956)
registerDoParallel(cl)

boot.1 <- foreach(i = 1:100,
                  .combine = rbind,
                  .packages = c('quantreg', 'mice', 'mitml', 'splines')) %dopar% {
                    
                    longlist <- miceadds::mids2datlist(imp_merged)
                    boot_dat <- longlist[[6]][sample(1:nrow(longlist[[6]]), replace = TRUE), ]
                    ## This is now based only on the 6th element of longlist
                    ## I would like to use the whole mids/longlist object (330 data sets on my PC)
                    
                    fit1 <- rq(chl ~ ns(bmi, df = 2, B = c(21, 33)) +
                                 hyp + age, tau = 0.5,
                               data = boot_dat)
                    fit1$coef
                  }
stopCluster(cl)

boot.1.df <- as.data.frame(boot.1)
boot.1.pooled <- do.call(cbind, boot.1.df)
boot.1.ci <- apply(boot.1.pooled, 2, quantile, probs = c(0.025, 0.975))
t(boot.1.ci)

我将mids object 转换为具有longlist <- miceadds::mids2datlist(imp_merged)的多重插补数据集列表，并通过boot_dat <- longlist[[6]][sample(1:nrow(longlist[[6]]), replace = TRUE), ] 。 我想使用整个mids object 或longlist的所有元素。

任何帮助都感激不尽！

Answer 1

一种可能的方法是将数据集简单地组合成一个大数据集，并直接从中采样。

longlist_ = longlist[[1]]
for (j in 2:length(longlist))
  {
    longlist_ = rbind(longlist_,longlist[[i]])
  }
boot_dat <- longlist_[sample(1:nrow(longlist[[6]]), replace = TRUE), ]

另一种方法是随机选择一个数据集，随机选择一行，重复几次。

boot_dat = NULL
for (j in seq(nrow(longlist[[6]])))
  {
    boot_dat = rbind(boot_dat, 
               longlist[[sample(length(longlist),1)]][sample(nrow(longlist[[1]]),1),])
  }

请注意，为避免rq中的奇异设计矩阵的误差，可以添加一个小噪声。

boot_dat[,'hyp'] = boot_dat[,'hyp'] + runif(nrow(boot_dat), -1e-10, 1e-10)