Я пытаюсь вписать значения в сильно коррелированные переменные, используя функцию mice() в R (из пакета мышей).
Я случайно выбрал x, и затем пусть y будет линейной функцией x (без перехвата) вместе с некоторым шумом. Затем я удаляю некоторые случайные значения x и хочу вменять их, используя y.
Приведенный ниже код хорошо работает, когда beta (наклон) меньше 7, но когда я его увеличиваю, функция mice всегда дает только 5 различных значений. (Различные значения различаются при каждом запуске).
n <- 500
beta <- 8
# Generate data
x <- runif(n)
y <- beta * x + runif(n)
# Remove random x-values.
df <- data.frame(x=x, y=y)
R <- sample(c(TRUE, FALSE), n, replace=TRUE)
df$x[R] <- NA
imp <- mice(df, method="pmm", formulas=list(formula(x ~ y)))
# This value is always 5 when beta >= 8.
length(unique(complete(imp)$x[R]))
Глядя на loggedEvents из функции, я получаю следующую таблицу:
> imp$loggedEvents
it im dep meth out
1 1 1 x pmm All predictors are constant or have too high correlation.
2 1 2 x pmm All predictors are constant or have too high correlation.
...
24 5 4 x pmm All predictors are constant or have too high correlation.
25 5 5 x pmm All predictors are constant or have too high correlation.
Я уже пробовал использовать разныераспределения при выборке x и y (хотя только симметричные распределения, которые необходимы для моделирования), и я попробовал все различные методы, доступные в mice. Только "pmm" (прогнозирующее среднее совпадение) кажется правильным, когда beta меньше 7.
Есть ли способ заставить это работать в mice или есть другой пакет, более подходящий для этого?