仅当在MICE中满足特定条件时，如何填补缺失值？

Question

我正在使用MICE处理一个数据集，并遇到了麻烦。有一个变量明显与另一个变量有关，我无法弄清如何让MICE仅填补一个变量中的一些缺失值(并将其余缺失值保留为真正的缺失值)。

例如，我有一个关于性别、怀孕状态和结果的数据集。只有女性能怀孕，所以当“怀孕”缺失但主体是男性时，我不想在那里填补值。

但是我确实希望在女性的怀孕状态缺失时填补值。所有变量(包括性别和结果)都有一些缺失值。

我已经阅读了这里的建议，并尝试在MICE中使用'where'选项 'R'， 'mice'缺失变量插入-如何在稀疏矩阵中仅执行一列。但是使用'where'似乎没有填补所有性别结果？

例如：

library(mice)
library(tidyverse)
library(haven)
library(janitor)

# create some data
sex <- c("m","f","m","f","m",NA,NA,"f","f","m","f","f","m","m","f","m")
preg <- c(NA,"not_preg",NA,NA,NA,NA,"preg","not_preg",NA,"not_preg","preg",NA,NA,NA,NA) 
outcome <- c(1,0,1,0,0,NA,NA,0,0,1,0,1,1,0,0)
df <- cbind(sex,preg,outcome) %>% as_tibble() %>% mutate(sex=as_factor(sex)) %>% mutate(preg=as_factor(preg))

# look at what's missing
md.pattern(df)
df %>% tabyl(sex,preg)
df %>% tabyl(preg)

# Try to impute over everything to show mice working
mice_a <- mice(df, m=2, maxit=2, seed=3,method="pmm")
df_imp_a <- complete(mice, action="long", include = FALSE)

df_imp_a %>% filter(.imp==1) %>% tabyl(sex,preg)  # this has imputed that some men are pregnant (understandably,but not what I want!
df_imp_a %>% filter(.imp==1) %>% tabyl(sex) #but everyone has a sex imputed
df_imp_a %>% filter(.imp==1) %>% tabyl(preg)

# Try to use the 'where' option

# b. Using it with a 'blank' where as proof of principle

grid_b <- is.na(df) #this is just default
mice_b <- mice(df, m=2, maxit=2, seed=3,method="pmm",where=grid_b)
df_imp_b <- complete(mice_b, action="long", include = FALSE)
df_imp_b %>% filter(.imp==1) %>% tabyl(sex,preg) #same problem of pregnant men (obviously, haven't changed anything yet)
df_imp_b %>% filter(.imp==1) %>% tabyl(sex) # but at least everyone has a sex imputed
df_imp_b %>% filter(.imp==1) %>% tabyl(preg)

# c. Making a proper grid of data that I do and don't want imputed

grid_c <- df %>%
  mutate(preg=case_when(
    sex=="f" & is.na(preg)==TRUE ~ TRUE,
    TRUE ~ FALSE
  )) %>%
  mutate(sex=is.na(sex)) %>%
  mutate(outcome=is.na(outcome))

grid_c
grid_c %>% tabyl(preg) # so we are looking for 4 imputed values of 'preg' (so I've done it right -- there are 4 females with unknown pregnancy status)

mice_c <- mice(df,m=2,maxit=2,seed=3,method="pmm",where=grid_c)
df_imp_c <- complete(mice_c,action="long",include=FALSE)

df_imp_c %>% filter(.imp==1) %>% tabyl(sex,preg) # now I have no pregnant men -- which is good!
df_imp_c %>% filter(.imp==1) %>% tabyl(sex) # but I am missing sex for one person??
df_imp_c %>% filter(.imp==1) %>% tabyl(preg) # have imputed all the pregnancy data that I wanted through -- only 7 NAs (for the 7 men)

如何告诉程序仅对某一列中的特定行进行填充，而不是全部进行填充？同时需要对另一列的所有行进行填充。使用“where”选项时为什么没有按我预期的那样工作？

非常感谢您提供的帮助！谢谢。

- richardb

Answer 1

我曾经遇到过类似的问题，如果年龄小于15岁，我不想在70多列中填充单元格。以下简短的代码非常有帮助。

在你的mice()代码中包含where=miss.infor.data。

#copy your dataset
    df2 <- df 

# Set missing cells to 100 in columns 248 to 320 for those over age 15
    df2[df2$age < 15, 248:320] <- 100 

#create the logical in which those with a value 100 are not set to TRUE so they will not be imputed in the where option.
    miss.infor.data <-as.data.frame(lapply(AddedValuedat2, is.na)) 

- Sem

Answer 2

经过大量实验，似乎 mice 存在一个问题，即不允许在 sex 为 NA 的情况下填补 preg。如果您将 grid_c 设置如下，则似乎可以解决这个问题：

grid_c <- df %>%
  mutate(preg=case_when(
    (sex=="f"|is.na(sex)) & is.na(preg)==TRUE ~ TRUE,
    TRUE ~ FALSE
  )) %>%
  mutate(sex=is.na(sex)) %>%
  mutate(outcome=is.na(outcome))

请注意(sex=="f"|is.na(sex))的变化。

这样做的缺点是你会得到一些not_preg的男性。虽然从技术上讲是正确的，但你可能也希望将他们设置为NA。因此，你可以在后处理中这样做。或者，在插补之前通过向preg添加另一类别来避免这个问题，该类别编码男性不能怀孕（而不是NA）。

现在，如果你按照上述方法操作，你将遇到第二个问题：现在你的outcome中仍有NAs。这似乎是因为你的测试数据没有足够的信息来插补所有缺失值。请注意，你的第6行根本没有任何信息，因此mice没有关于那个人的数据可以输入到pmm算法中。
如果你包括可能包含有关缺失值信息的其他变量（并且对于所涉及的人/行不是NA），则可以解决此问题。如果你没有这些数据，则排除该人，因为你实际上没有将其纳入样本中。

最后，如果您继续使用类似于您的示例数据测试该过程，请将其设置为更长的数据集。在进行实验时，我收到了更多警告（在mice_c$loggedEvents中），这是由于某些分类变量组合的案例数量较少所致。

- benimwolfspelz