在进行小鼠插补并保存结果后，如何使缺失值保持不变？

Posted 2023-02-14

【中文标题】在进行小鼠插补并保存结果后，如何使缺失值保持不变？

【英文标题】：How do I keep my missing values to stay the same after I do mice imputation and save my results?

【发布时间】：2022-01-22 15:08:04

【问题描述】：

作为一个新的 R 用户，我无法理解为什么我的数据框中的 NA 值不断变化。我在 Kaggle 上运行我的代码。也许这就是我的问题所在？

Original dataframe titled "abc"

有多个列具有 NA 值，因此我决定尝试使用多重插补来处理 na 值。

所以我创建了一个新数据框，其中仅包含具有 na 值的列并开始插补 This is the new dataframe titled "abc1"

abc1 <- select(abc, c(9,10,15,16,17,18,19,25,26))

#mice imputation
input_data = abc1

my_imp = mice(input_data, m=5, method="pmm", maxit=20)

summary(input_data$m_0_9)
my_imp$imp$m_0_9

当插补开始时，它会创建 5 个包含新值的列，以填充 m_0_9 列的 NA 值，然后我选择哪一列。

Imputation of column 'm_0_9'

然后我运行这段代码：

final_clean_abc1 <- complete(my_imp,5)

这会将最后一张图像的第 5 列的值分配给我的“abc1”数据帧中的 NA 值，并保存为“final_clean_abc1”。

最后，我用“final_clean_abc1”中的新列替换原始“abc”数据框中缺失值的列。

我知道这可能不是最干净的：

abc$m_0_9 <- final_clean_abc1$m_0_9
abc$m_10_12 <- final_clean_abc1$m_10_12
abc$f_0_9 <- final_clean_abc1$f_0_9
abc$f_10_12 <- final_clean_abc1$f_10_12
abc$f_13_14 <- final_clean_abc1$f_13_14
abc$f_15 <- final_clean_abc1$f_15
abc$f_16 <- final_clean_abc1$f_16
abc$asian_pacific_islander <- final_clean_abc1$asian_pacific_islander
abc$american_indian <- final_clean_abc1$american_indian

现在我有一个没有缺失值的数据框“abc”，这就是我的问题出现的地方。我应该在 m_0_9 列的第 10 行看到“162”，但是当我保存我的代码并在 Kaggle 上查看它时，我得到该特定行和列的值“7”。如下图所示。

"abc" dataframe with no NA values

希望这是有道理的，我尽量做到具体。

【问题讨论】：

欢迎！请务必使用dput(your_data) 或dput(head(your_data)) 制作your example reproductible，而不是截图，其他人无法使用

首先，我希望您知道您使用鼠标的方式并不规范：多重插补意味着您同时使用多个插补，而不是只选择一个插补。这个想法是，几个插补之间的方差代表了您对缺失值的不确定性。你这样做的方式，就像你真的知道缺失值一样。无论如何，关于你的问题：我不知道 Kaggle 做了什么，但也许它会在保存/查看时重新运行你的代码，改变mice 使用的随机数。尝试在使用 mice() 之前设置种子，如下所示：set.seed(123)

【参考方案1】：

在小鼠中进行了多个随机过程来为一个目标值估算多个值，然后对其进行平均。每次运行鼠标时，您不应期望得到相同的结果。

来自 MICE 文档

在第一步中，具有缺失值的数据集（即 不完整的数据集）被复制了几次。然后在下一步中， 缺失值被替换为每个副本中的估算值 数据集。在每个副本中，由于估算值略有不同 为随机变化。这会产生多个估算数据集。在里面 第三步，对估算的数据集进行分析和研究 然后将结果汇总到最终的研究结果中。在这一章当中， 多重插补的第一阶段，即插补步骤，是 主题。在下一章中，分析和汇集阶段是 讨论过。

https://bookdown.org/mwheymans/bookmi/multiple-imputation.html

【参考方案2】：

我们有一个wonderful series of vignettes，详细说明了mice 的使用。本系列的一部分是算法的随机性以及如何解决这个问题。设置mice(yourdata, seed = 123) 每次都会产生相同的多重插补。