所以我正在使用mice包来插补缺失的数据。我是插补的新手，所以我已经到了一点，但遇到了陡峭的学习曲线。举个玩具的例子：
library(mice)
# Using nhanes dataset as example
df1 <- mice(nhanes, m=10)
如您所见，我使用大多数默认设置估算了 df1 10 次 - 并且我很舒服地在回归模型、池化结果等中使用此结果。然而，在我的现实生活中的数据中，我有来自不同国家的调查数据。因此，失踪水平因国家而异，特定变量的值也不同 - 即年龄，教育水平等。因此，我想归咎于失误，允许按国家进行分组。所以我将创建一个没有缺失的分组变量(当然在这个玩具示例中，与其他变量的相关性缺失，但在我的真实数据中它们存在)
# Create a grouping variable
nhanes$country <- sample(c("A", "B"), size=nrow(nhanes), replace=TRUE)
那么我如何告诉mice()这个变量与其他变量不同 - 即它是多级数据集中的一个级别？
如果您将聚类视为"混合效应"模型中的聚类，则应使用mice提供的用于聚类数据的方法。这些方法可以在手册中找到，通常前缀为2l.something.
聚类数据的方法在mice中有些有限，但我可以建议使用2l.pan来处理较低级别单元中的缺失数据，并在集群级别使用2l.only.norm。
作为混合效应模型的替代方法，您可以考虑使用虚拟指标来表示聚类结构(即，每个聚类一个虚拟变量)。当您从混合效应模型的角度考虑聚类时，此方法并不理想。因此，如果你想做混合效应分析，那就尽可能坚持使用混合效应模型。
下面，我展示了两种策略的示例。
制备：
library(mice)
data(nhanes)
set.seed(123)
nhanes <- within(nhanes,{
country <- factor(sample(LETTERS[1:10], size=nrow(nhanes), replace=TRUE))
countryID <- as.numeric(country)
})
案例 1：使用混合效应模型进行插补
本节使用2l.pan来插补缺少数据的三个变量。请注意，我通过在预测变量矩阵中指定-2来使用clusterID作为聚类变量。对于所有其他变量，我只分配固定效应(1)。
# "empty" imputation as a template
imp0 <- mice(nhanes, maxit=0)
pred1 <- imp0$predictorMatrix
meth1 <- imp0$method
# set imputation procedures
meth1[c("bmi","hyp","chl")] <- "2l.pan"
# set predictor Matrix (mixed-effects models with random intercept
# for countryID and fixed effects otherwise)
pred1[,"country"] <- 0 # don't use country factor
pred1[,"countryID"] <- -2 # use countryID as cluster variable
pred1["bmi", c("age","hyp","chl")] <- c(1,1,1) # fixed effects (bmi)
pred1["hyp", c("age","bmi","chl")] <- c(1,1,1) # fixed effects (hyp)
pred1["chl", c("age","bmi","hyp")] <- c(1,1,1) # fixed effects (chl)
# impute
imp1 <- mice(nhanes, maxit=20, m=10, predictorMatrix=pred1, method=meth1)
案例 2：使用虚拟指标 (DI) 对集群进行插补
本节使用pmm进行插补，聚类结构以"临时"方式表示。也就是说，聚类不是由随机效应表示，而是由固定效应表示。这可能会夸大缺少数据的变量的聚类级别变异性，因此请确保您在使用它时知道要做什么。
# create dummy indicator variables
DIs <- with(nhanes, contrasts(country)[country,])
colnames(DIs) <- paste0("country",colnames(DIs))
nhanes <- cbind(nhanes,DIs)
# "empty" imputation as a template
imp0 <- mice(nhanes, maxit=0)
pred2 <- imp0$predictorMatrix
meth2 <- imp0$method
# set imputation procedures
meth2[c("bmi","hyp","chl")] <- "pmm"
# for countryID and fixed effects otherwise)
pred2[,"country"] <- 0 # don't use country factor
pred2[,"countryID"] <- 0 # don't use countryID
pred2[,colnames(DIs)] <- 1 # use dummy indicators
pred2["bmi", c("age","hyp","chl")] <- c(1,1,1) # fixed effects (bmi)
pred2["hyp", c("age","bmi","chl")] <- c(1,1,1) # fixed effects (hyp)
pred2["chl", c("age","bmi","hyp")] <- c(1,1,1) # fixed effects (chl)
# impute
imp2 <- mice(nhanes, maxit=20, m=10, predictorMatrix=pred2, method=meth2)
如果你想了解这些方法的看法，看看其中的一两篇论文。
你必须设置一个预测矩阵来告诉老鼠使用哪个变量来插补另一个变量。这样做的一个快速方法是使用predictorM<-quickpred(nhanes)
然后，如果矩阵是正态变量，则将矩阵中的 1s 更改为 2，如果它是不同国家的二级变量，则将矩阵中的 1 更改为 -2，并将其作为predictorMatrix =predictorM提交给 mice 命令。在方法命令中，您现在必须将方法设置为2l.norm它是度量变量还是2l.binom是否是二进制变量。对于后者，您需要由Sabine Zinn(https://www.neps-data.de/Portals/0/Working%20Papers/WP_XXXI.pdf)编写的函数。不幸的是，我不知道世界上是否有估算两级计数数据的方法。
请注意，插补多级数据集会大大减慢该过程。根据我的经验，PMM 或狒狒包中的重采样方法在保持数据的层次结构方面效果很好，并且使用速度要快得多。