MICE中多重插补的纵向数据和对象类型mids的统计分析

Question

我在使用mice对缺失值进行插补后，对纵向数据进行统计分析时遇到了问题。在宽格式中插补缺失值后，我将提取的数据转换为长格式。由于纵向数据的存在，参与者会有重复行（3个时间点），这会在将长格式数据集转换为类型mids对象时导致问题。有人知道如何在插补后创建mids对象或其他合适的对象吗？我想在此之后使用lmer、lme进行汇总固定效应。 我尝试了很多不同的方法，但仍然无法解决问题。

谢谢您的帮助，请查看下面的代码：

# minimal reproducible example

## Make up some data
set.seed(2)

# ID Variable, Group, 3 Timepoints outcome measure (X1-X3)
Data <- data.frame(
    ID = sort(sample(1:100)),
    GROUP = sample(c(0, 1), 100, replace = TRUE),
    matrix(sample(c(1:5,NA), 300, replace=T), ncol=3)
)

# install.packages("mice")
library(mice)

# Impute the data in wide format
m.out <- mice(Data, maxit = 5, m = 2, seed = 9, pred=quickpred(Data, mincor = 0.0, exclude = c("ID","GROUP"))) # ignore group here for easiness

# mids object?
is.mids(m.out) # TRUE

# Extract imputed data
imp_data <- complete(m.out, action = "long", include = TRUE)[, -2]

# Converting data into long format
# install.packages("reshape")
library(reshape)
imp_long <- melt(imp_data, id=c(".imp","ID","GROUP"))
# sort data
imp_long <- imp_long[order(imp_long$.imp, imp_long$ID, imp_long$GROUP),]
row.names(imp_long)<-NULL

# save as.mids
as.mids(imp_long,.imp=1, .id=2) # doesnt work
as.mids(imp_long) # doesnt work

Best,

Julian

- Julian Schulze

---

我不太确定你想要实现什么，以及为什么要将输入的数据重新转换为“mids”对象。通常，在完成“complete”后，对填充数据进行分析就可以正常工作了。 - SimonG

Answer 1

我希望这个小例子能回答你的问题。我不是很清楚为什么需要将数据转换回 mids 类。通常情况下，当我使用 mice 时，我会将填充后的数据转换成一个完成数据集列表，然后应用 apply 函数对该列表进行分析。

library(mice)
library(reshape)
library(lme4)

Data <- data.frame(
    ID = sort(sample(1:100)),
    GROUP = sample(c(0, 1), 100, replace = TRUE),
    matrix(sample(c(1:5,NA), 300, replace=T), ncol=3)
)

# impute
m.out <- mice(Data, pred=quickpred(Data, mincor=0, exclude=c("ID","GROUP")))

# complete
imp.data <- as.list(1:5)
for(i in 1:5){
  imp.data[[i]] <- complete(m.out, action=i)
}

# reshape
imp.data <- lapply(imp.data, melt, id=c("ID","GROUP"))

# analyse
imp.fit <- lapply(imp.data, FUN=function(x){
  lmer(value ~ as.numeric(variable)+(1|ID), data=x) 
})
imp.res <- sapply(imp.fit, fixef)

请记住，当您对在不同级别变化的变量的关系感兴趣时，单级插补并不是一个好主意。

对于这些任务，您应使用维护双层变异而不像 mice在此配置中那样抑制它的过程。

虽然mice有解决方法，但例如Mplus和R中的pan软件包专门为双层MI设计。

- SimonG

---

亲爱的西蒙，非常感谢您回答我的问题并提供单一插补的侧记。我会查看pan包并弄清楚它是否对效果产生影响。您真是帮了我大忙。 - Julian Schulze

如果您使用 pan，您也可以查看 mitml 包，该包使用 MI 自动化了许多基于 lmer 的分析。 - SimonG

Answer 2

不确定我的回答是否相关，因为您很久以前就提出了问题，但无论如何... 在这张幻灯片 链接 的末尾，在标题为“Method POST”的幻灯片上，作者使用函数long2mids()：Original Answer

imp1 <- mice(boys) 
long <- complete(imp1, "long", inc = TRUE)
long$whr <- with(long, wgt / (hgt / 100))
imp2 <- long2mids(long)

然而，long2mids()自版本2.22起已被弃用，推荐使用as.mids()。

- Volha

Answer 3

在这里，miceadds包中的as.mids()函数将起作用。

- sunshinecheesesauce