我有一个时间序列数据集，其中有一些缺失值。我想插补缺失值，但我不确定哪种方法最合适，例如imputeTS包中的线性、样条或 stine。
为了完整起见，我希望测试我的数据是否是MCAR，MAR，NMAR。我有一个公平的想法，它是MCAR，但我有兴趣做测试。
str(wideRawDF)
'data.frame': 1343 obs. of 13 variables:
$ Period.Start.Time: POSIXct, format: "2017-01-20 16:30:00" "2017-01-20 16:45:00" "2017-01-20 17:00:00" "2017-01-20 17:15:00" ...
$ DO0182U09A3 : num -102 -101 -101 -101 -101 ...
$ DO0182U09B3 : num -103.4 -102.8 -103.3 -95.9 -103 ...
$ DO0182U09C3 : num -103.9 -104.2 -103.9 -99.2 -104.1 ...
$ DO0182U21A1 : num -105 -105 -105 -104 -102 ...
$ DO0182U21A2 : num -105 -104 -105 -105 -105 ...
$ DO0182U21A3 : num -105 -105 -105 -105 -105 ...
$ DO0182U21B1 : num -102 -103 -104 -104 -104 ...
$ DO0182U21B2 : num -99.4 -102 -104 -101.4 -104.1 ...
$ DO0182U21B3 : num -104 -104 -104 -104 -104 ...
$ DO0182U21C1 : num -105 -105 -105 -104 -105 ...
$ DO0182U21C2 : num -104 -105 -105 -103 -105 ...
$ DO0182U21C3 : num -105 -105 -105 -105 -105 ...
md.pattern(wideRawDF)
Period.Start.Time DO0182U21C1 DO0182U21C2 DO0182U21C3 DO0182U21B1 DO0182U21B2 DO0182U21B3 DO0182U09A3 DO0182U09B3 DO0182U09C3 DO0182U21A1 DO0182U21A2
1327 1 1 1 1 1 1 1 1 1 1 1 1
3 1 1 1 1 1 1 1 0 1 1 1 1
1 1 1 1 1 1 1 1 1 0 1 1 1
2 1 1 1 1 1 1 1 1 1 0 1 1
1 1 1 1 1 1 1 1 0 1 1 0 0
1 1 1 1 1 1 1 1 0 0 1 0 0
3 1 1 1 1 1 1 1 1 0 0 0 0
2 1 1 1 1 1 1 1 0 0 0 0 0
3 1 1 1 1 0 0 0 1 0 0 0 0
0 0 0 0 3 3 3 7 10 10 10 10
DO0182U21A3
1327 1 0
3 1 1
1 1 1
2 1 1
1 0 4
1 0 5
3 0 5
2 0 6
3 0 8
10 66
如您所见，我的DF中的某些列没有NA值。我只想将具有 NA 的列传递给 MissMech 包中的 TestMCARNormality 函数。
我尝试了以下方法，但不断收到相同的错误：
> TestMCARNormality(wideRawDF[,3:4])
Warning: 8 Cases with all variables missing have been removed
from the data.
Warning: More than one missing data pattern should be present.
使用列名，我获得了我引用的 md.pattern 的上述输出的列的索引，以确保我使用的是具有 NA 值的列。
> colnames(wideRawDF)
[1] "Period.Start.Time" "DO0182U09A3" "DO0182U09B3" "DO0182U09C3" "DO0182U21A1" "DO0182U21A2" "DO0182U21A3" "DO0182U21B1"
[9] "DO0182U21B2" "DO0182U21B3" "DO0182U21C1" "DO0182U21C2" "DO0182U21C3"
测试缺失值并仅将带有 NA 的列传递给 TestMCARNormality 函数的智能方法是什么？
根据注释，您可以使用以下内容：
has_na <- sapply(wideRawDF, function(x) any(is.na(x)))
TestMCARNormality(wideRawDF[has_na])
has_na 是对应于 wideRawDF 的每一列的布尔向量。对于其中至少有一个缺失值的任何列，它将为 TRUE。
因此，您的数据框wideRawDF wideRawDF[has_na]，而只是具有缺失值的列。
事实证明，问题出在 TestMCARNormality 中的默认设置中，该设置涉及缺失模式必须具有的案例数才能将其包含在分析中。有问题的选项是"del.lesscases"，默认情况下设置为 6。 这意味着它将删除任何丢失的数据模式，而不是 6 个或更少的案例。除了数据中第一个缺失的模式(其中包含完整数据(外，每个模式的案例不超过 3 个，默认情况下会删除所有案例。 因此，TestMCARNormality 会给您一个错误，即您需要 1 个以上的缺失数据模式，这是正确的。 如果设置 del.lesscase = 2，则它将保留至少具有 3 个案例的所有缺失模式，如果设置为 del.lesscases = 1，它将保留至少具有 2 个案例的所有模式。