MICE LoggedEvents 是什么意思？

Question

我正在尝试使用R语言中的mice函数(来自同名包)进行多重插补。但我收到了一个警告，提示已经记录了事件。下面是我的MWE (请参见下文)中从mice(.)$loggedEvents得到的输出:

it im dep meth out
 1  1   X  pmm   H

我不确定是什么原因导致了这个警告以及其影响。据我所知，这可能是由于变量之间的共线性引起的，但应该通过使用remove_collinear=FALSE来预防，但这并没有解决警告。

MWE：

Pop <- data.frame(X = c(   NA, 0.02, -1.15,  0.54, -0.61, -2.07),
                  Z = c( 0.83, 1.40, -3.07, -0.07, -0.20, -1.90),
                  D = c(    0,    0,     0,     1,     0,     0),
                  H = c( 0.01, 0.01,  0.01,  0.01,  0.02,  0.02))
Pop.Imp <- mice(Pop, m = 1, maxit = 1, print = T)

显然，我的原始问题涉及更多的数据行和列，以及更高数量的插补和迭代，但我已经成功地缩小了范围，找到了这个MWE。

任何帮助解决这个问题的建议都将是非常有用的。当决定是否存在共线性时，mice是否使用某种截止值？如果这个值非常高，是否会覆盖remove_collinear=FALSE参数？

- Michael Barrowman

---

这不是一个错误，只是一个警告。 "mice"正在执行它的工作。 - Colibri

Answer 1

这不是一个完整的答案，但我无法在评论中回复。

记录的事件警告可能由各种问题引起。可以从mice() $ loggedEvents输出中的“meth”列中确定所提出的问题。

我知道的两个问题是共线性和所有值上的常量预测器（或者在所有缺失/未缺失的情况下也满足此标准的常量）。添加了一些变量来突出这些问题：

Pop <- data.frame(X = c(   NA, 0.02, -1.15,  0.54, -0.61, -2.07,   NA),
                  Z1 = c( 0.83, 1.40, -3.07, -0.07, -0.20, -1.90, 2.00),
                  Z2 = c( 0.83, 1.40, -3.07, -0.07, -0.20, -1.90, 2.00),
                  D = c(    0,    0,     0,     1,     0,     0,    1),
                  H = c( 0.01, 0.01,  0.01,  0.01,  0.02,  0.02, 0.02))
Pop.Imp <- mice(Pop, m = 1, maxit = 1, print = T)

Pop.Imp$loggedEvents

  it im dep      meth out
1  0  0     collinear  Z2
2  1  1   X       pmm   H

Pop <- data.frame(X = c(   NA, 0.02, -1.15,  0.54, -0.61, -2.07,   NA),
                  Z1 = c( 0.83, 1.40, -3.07, -0.07, -0.20, -1.90, 2.00),
                  consvar = c( 0.83, 0.83, 0.83, 0.83, 0.83, 0.83, 0.83),
                  D = c(    0,    0,     0,     1,     0,     0,    1),
                  H = c( 0.01, 0.01,  0.01,  0.01,  0.02,  0.02, 0.02))
Pop.Imp <- mice(Pop, m = 1, maxit = 1, print = T)

Pop.Imp$loggedEvents

  it im dep     meth     out
1  0  0     constant consvar
2  1  1   X      pmm       H

很遗憾，我不知道“pmm”问题是什么。也许与预测平均匹配（选择的替代方法）无法在如此小的数据集中工作有关？

- AP30

Answer 2

它显示了由于使用的插补方法而进行了多少次和哪些次移除。如果问题是共线性，那么应该通过'remove.collinear = FALSE'来覆盖移除操作，但我认为这样做不明智。您还可以尝试使用另一种方法来处理此变量。

您的输出显示，由于方法pmm，"H"被排除作为X的预测因子。

pmm是所使用的预测均值匹配方法。

mice包还有一个很好的函数可以自动设置预测因子，也许这可以解决问题：

predictors <- qickpred(data)

imps <- mice(data = data, method = "pmm", predictorMatrix = predictors, m = 5, maxit = 1)

另一个建议是在下一步中检查自动方法并进行适应。

begin <- mice(data = data, maxit = 0)
meth <- begin$meth
View(as.matrix(meth))
meth[,c("X", "Z", "D"] <- "pmm"  

请参阅此处：https://stefvanbuuren.name/fimd/sec-modelform.html

- mascha