使用 MICE 进行多次插补后如何进行描述性统计中位数、IQR、频率、比例等

编程问答 2022-06-02

问题描述

我一直在使用 R 中的 mouse-package (van Buuren) 执行多重插补，m = 50（50 个插补数据集）和 20 次迭代，用于大约 9 个变量的缺失数据（MAR = 随机缺失）范围从 5 -13%。在此之后，我想继续估计我的数据集的描述性统计数据（即不只对描述性统计数据使用完整的案例分析，还要将结果与我的插补的描述性统计数据进行比较）。所以我现在的问题是，如何继续。

我知道处理 MICE 数据的正确程序是：

  1. 通过mice函数对缺失数据进行插补，得到多重插补数据集（class mids）；
  2. 通过 with() 函数在每个插补数据集上拟合感兴趣的模型（科学模型），得到一个类 Mira 的对象；
  3. 将每个模型的估计值合并为一组估计值和标准误差，结果是 mipo 类的对象； 或者，通过 D1() 或 D3() 函数比较来自不同科学模型的汇总估计值。

我的问题是我不明白如何将这个理论应用于我的数据。我已经完成了：

#Load package:
library(mice)
library(dplyr)

#Perform imputation:
Imp_Data <- mice(MY_DATA,m=50,method = "pmm",maxit = 20,seed = 123)

#Make the imputed data in long format:
Imp_Data_Long <- complete(Imp_Data,action = "long",include = FALSE)

然后我假设这个过程对于获取 BMI 变量的中位数是正确的，其中 .imp 变量是插补数据集的数量（即从 1 到 50）：

BMI_Medians_50 <- Imp_Data_Long %>% group_by(.imp,Smoker) %>% summarise(Med_BMI = median(BMI))

BMI_Median_Pooled <- mean(BMI_Medians_50$Med_BMI)

我可能完全理解错误，但我非常努力地理解正确的程序，并在 StackOverflow 和 StatQuest 上发现了非常不同的程序。

解决方法

一般来说，您执行多重插补（与单次插补相比），因为您想考虑执行插补带来的不确定性。

丢失的数据最终会丢失 - 我们只能估计真实数据可能是什么样子。通过多重插补，我们生成了多个估计，即真实数据的样子。我们的目标是为估算值的值提供类似概率分布的东西。

对于描述性统计，您不需要使用 rubins 规则进行池化（这些对于线性模型的标准误差和其他指标很重要）。您将分别计算每个 m = 50 个插补数据集的统计数据，然后将它们与所需的指标合并/汇总。

您想要存档的是为您的读者提供有关插补带来的不确定性的信息。 （以及估算值最有可能在哪个范围内的估计）

例如将均值视为描述性统计量。在这里你可以例如提供这些插补数据集的最低均值和最高均值。您可以提供这些均值的均值以及插补数据集均值的标准差。

您的完整案例分析只会提供例如3.3 作为变量的均值。但是，在您的 m=50 多个插补数据集中，相同的平均值可能变化很大，例如从 1.1 到 50.3。这可以为您提供有价值的信息，您应该非常小心地从完整的案例分析中获取 3.3，并且该数据集的这种统计数据通常存在很多不确定性。

imputationrrr-mice