Как мне выполнить множественное вменение на уровне предметов в MICE? - PullRequest
Новая
       22

Как мне выполнить множественное вменение на уровне предметов в MICE?

1 голос
/ 10 октября 2019

Я впервые выполняю многократное вменение, и я выбрал пакет MICE R для его гибкости в обработке различных типов данных. У меня очень большой набор данных с более чем 100 переменными, поэтому мне нужно ограничить модель наиболее важными предикторами.

Я нашел следующий совет о том, как выбирать предикторы для модели вменения (слегка модифицированный, чтобы соответствовать моемуПример набора данных ниже, вот исходный источник: https://stefvanbuuren.name/fimd/sec-knowledge.html):

"Предположим, что данные состоят из выходной переменной out, двух фоновых переменных bck1 и bck2, шкалы a с 3 элементами a1-a3, шкалы bс 4 пунктами b1-b4 и тем, что все переменные содержат пропущенные значения.После заполнения начальных вменений, модель вменения предпримет следующие шаги:где a и b - суммированные баллы по шкалам от a1-a3 и b1-b4;

Вмененный bck1, выданный, bck2, a и b; Вмененный bck2, выданный, bck1, a иb; Вменяемый a1 выдан, bck, b и a2-a3; Вменяется a2 выдан, bck, b и a1, a3-a3; Вменяется a3по тому же пути; Вменяемый В1 выдан, bck, a и b2-b4, , где a - это обновленная сумма баллов по шкале ; Аналогичным образом рассчитывается b2-b4. "

Iсоздал примерный набор данных на основе описаний выше: 

> out<-c(45,433,234,435, 234,234,243,243,243,24,244,242, 453,234,689)
> a1<-c(1,4,2,1,4,4,2,5,7,3,2,5,2,2,2)
> a2<-c(4,3,4,3,2,1,3,4,2,3,4,5,6,6,7)
> a3<-c(2,2,1,3,4,2,1,3,4,2,3,4,4,2,1)
> b1<-c(5,5,2,3,6,7,3,2,4,5,6,7,4,5,6)
> b2<-c(2,3,1,2,3,2,1,2,2,3,4,3,1,2,4)
> b3<-c(4,3,4,5,2,1,2,3,4,2,1,2,3,4,2)
> b4<-c(1,1,1,2,4,2,2,4,2,1,1,3,4,2,1)
> bck1<-factor(c(1,1,1,1,1,1,1,1,2,2,2,2,2,2,2), level=c(1,2), label = c('x','y'))
> bck2<-c(44,32,34,23,45,23,67,43,23,18,45,33,23,45,74)
> test<-data.frame(out,a1,a2,a3,b1,b2,b3,b4,bck1,bck2)
> #Produce NAs 
> library(missForest)
> test.na <- prodNA(test, noNA = 0.1)
> head(test.na)
  out a1 a2 a3 b1 b2 b3 b4 bck1 bck2
1  45  1  4  2  5  2  4  1    x   44
2 433  4  3 NA  5  3  3  1 <NA>   32
3 234 NA NA  1  2  1  4  1    x   34
4 435  1 NA  3  3  2 NA  2    x   23
5 234  4  2  4  6  3  2  4    x   45
6 234  4  1  2  7  2 NA  2    x   23

Затем я попытался закодировать модель MI в соответствии с рекомендациями. Я очень неуверен, если понял это правильно. С этим кодом R обновит суммированную оценку по шкале во время вменения? И имеет ли значение, какая переменная стоит первой в матрице предиктора? 

> ini <- mice(cbind(test.na,a=NA, b =NA),max=0,print=FALSE)
Warning message:
Number of logged events: 2 
> meth <- ini$meth
> meth["a"] <- "~I(a1 + a2 + a3)"
> meth["b"] <- "~I(b1 + b2 + b3 + b4)"
> 
> pred<-ini$pred
> pred[c("out"),c("a1","a2", "a3","b1","b2","b3","b4")] <- 0
> pred[c("a1","a2","a3"),"a"] <- 0
> pred[c("out"),c("a","b")] <- 1
> pred[c("b1","b2","b3", "b4"),"b"] <- 0
> pred[c("a1","a2","a3"),c("b1","b2","b3", "b4")] <- 0
> pred[c("a1","a2","a3"),c("b")] <- 1
> pred[c("b1","b2","b3","b4"),c("a")] <- 1
> pred[c("bck1","bck2"),c("a1", "a2","a3","b1","b2","b3", "b4")] <- 0
> pred[c("bck1","bck2"),c("a", "b")] <- 1
> pred
     out a1 a2 a3 b1 b2 b3 b4 bck1 bck2 a b
out    0  0  0  0  0  0  0  0    1    1 1 1
a1     1  0  1  1  0  0  0  0    1    1 0 1
a2     1  1  0  1  0  0  0  0    1    1 0 1
a3     1  1  1  0  0  0  0  0    1    1 0 1
b1     1  1  1  1  0  1  1  1    1    1 1 0
b2     1  1  1  1  1  0  1  1    1    1 1 0
b3     1  1  1  1  1  1  0  1    1    1 1 0
b4     1  1  1  1  1  1  1  0    1    1 1 0
bck1   1  0  0  0  0  0  0  0    0    1 1 1
bck2   1  0  0  0  0  0  0  0    1    0 1 1
a      0  0  0  0  0  0  0  0    0    0 0 0
b      0  0  0  0  0  0  0  0    0    0 0 0
> 
> impdat<-mice(cbind(test.na, a = NA, b = NA), pred=pred, meth = meth)

 iter imp variable
  1   1  out  a1  a2  a3  b1  b3  bck1  a  b
  1   2  out  a1  a2  a3  b1  b3  bck1  a  b
  1   3  out  a1  a2  a3  b1  b3  bck1  a  b
  1   4  out  a1  a2  a3  b1  b3  bck1  a  b
  1   5  out  a1  a2  a3  b1  b3  bck1  a  b
  2   1  out  a1  a2  a3  b1  b3  bck1  a  b
  2   2  out  a1  a2  a3  b1  b3  bck1  a  b
  2   3  out  a1  a2  a3  b1  b3  bck1  a  b
  2   4  out  a1  a2  a3  b1  b3  bck1  a  b
  2   5  out  a1  a2  a3  b1  b3  bck1  a  b
  3   1  out  a1  a2  a3  b1  b3  bck1  a  b
  3   2  out  a1  a2  a3  b1  b3  bck1  a  b
  3   3  out  a1  a2  a3  b1  b3  bck1  a  b
  3   4  out  a1  a2  a3  b1  b3  bck1  a  b
  3   5  out  a1  a2  a3  b1  b3  bck1  a  b
  4   1  out  a1  a2  a3  b1  b3  bck1  a  b
  4   2  out  a1  a2  a3  b1  b3  bck1  a  b
  4   3  out  a1  a2  a3  b1  b3  bck1  a  b
  4   4  out  a1  a2  a3  b1  b3  bck1  a  b
  4   5  out  a1  a2  a3  b1  b3  bck1  a  b
  5   1  out  a1  a2  a3  b1  b3  bck1  a  b
  5   2  out  a1  a2  a3  b1  b3  bck1  a  b
  5   3  out  a1  a2  a3  b1  b3  bck1  a  b
  5   4  out  a1  a2  a3  b1  b3  bck1  a  b
  5   5  out  a1  a2  a3  b1  b3  bck1  a  b
There were 11 warnings (use warnings() to see them)
> impdat
Class: mids
Number of multiple imputations:  5 
Imputation methods:
                    out                      a1                      a2 
                  "pmm"                   "pmm"                   "pmm" 
                     a3                      b1                      b2 
                  "pmm"                   "pmm"                      "" 
                     b3                      b4                    bck1 
                  "pmm"                      ""                "logreg" 
                   bck2                       a                       b 
                     ""      "~I(a1 + a2 + a3)" "~I(b1 + b2 + b3 + b4)" 
PredictorMatrix:
    out a1 a2 a3 b1 b2 b3 b4 bck1 bck2 a b
out   0  0  0  0  0  0  0  0    1    1 1 1
a1    1  0  1  1  0  0  0  0    1    1 0 1
a2    1  1  0  1  0  0  0  0    1    1 0 1
a3    1  1  1  0  0  0  0  0    1    1 0 1
b1    1  1  1  1  0  1  1  1    1    1 1 0
b2    1  1  1  1  1  0  1  1    1    1 1 0
...