Imputazione MICE in R ancora NA lasciata nel dataset - r

Dopo aver eseguito il pacchetto MICE, il numero di valori mancanti viene ridotto da 147428 a 46093 in ciascuno dei 5 set di imputazione completi. Ma non dovrebbe essere 0 NA invece ???

Grazie!

Ecco il mio codice MICE:

imp = mice(newdata)

imputationSet1 = complete(imp)
imputationSet2 = complete(imp,2)
imputationSet3 = complete(imp,3)
imputationSet4 = complete(imp,4)
imputationSet5 = complete(imp,5)

risposte:

Ben, la funzione topi () rilevamulticollinearità e risolve il problema rimuovendo uno o più predittori per la matrice. Ogni rimozione è annotata nell'elemento loggedEvents dell'oggetto mids. Per esempio,

imp <- topi (cbind (nhanes, chl2 = 2 * nhanes $ chl), print = FALSE)

imp $ loggedEvents

ci informa che la variabile duplicata chl2 è stata rimossa prima dell'iterazione. L'algoritmo rileva anche la multicollinearità durante le iterazioni.

Un'altra misura per controllare l'algoritmo è ilparametro cresta. Il parametro ridge è specificato come argomento per mouse (). L'impostazione ridge = 0.001 o ridge = 0.01 rende l'algoritmo più robusto a spese del bias.

Nel nodo terminale, possiamo applicare un metodo semplice come mice.impute.sample () che non ha bisogno di predittori per se stesso.

Questa informazione è tratta dal libro Flexible Imputation of Missing Data di Stef van Buuren, p. 129

Prova a passare un altro parametro chiamato threshold, di default è 0.999. Se si imposta questo a qualcosa più vicino a 1 o anche più grande, il tuo problema dovrebbe scomparire.

Essere consapevoli però che questo problema si pone solo se la collinearità nei dati è alta.

Ciò che mi ha aiutato è convertire le variabili as-character in variabili as-factor e le NA sono scomparse dal set di dati imputato.

Sì, non dovrebbero esserci valori mancanti.

Scommetto che ci sono alcune righe nel tuo set di datisono così gravemente mutilati dalla mancanza dei modelli di imputazione dei topi. È possibile che nel set di dati ci siano delle righe in cui ogni valore è mancante?

Un'altra cosa da provare per un capriccio: aumentare il numero di iterazioni a 15: imp = mice(newdata, maxit = 15). Questo cambia qualcosa?