在模拟研究中，从一个不完整的数据集中创建5个完整的数据集[r]中的小鼠套件

Question

对于一项研究，我需要在R.

中的

mice

软件包的帮助下为100个不完整的数据集生成五个完整的数据集。

该代码正常工作（当您拥有

df1

数据集时）：

df1_imp <- mice(df1, m = 5, method = 'logreg', print = F)

然后，我们可以访问如下所示的完整数据集（5）：

dataset1 <- complete(df1_imp, 1)
dataset2 <- complete(df1_imp, 2)
dataset3 <- complete(df1_imp, 3)
dataset4 <- complete(df1_imp, 4)
dataset5 <- complete(df1_imp, 5)

-fine。但是，我有100个不完整的数据集。每个将产生5个完整的数据集（总计500个）。如何查看这500个数据集？因为我要分析它们。

[DFS]我的数据集列表（每组必须产生5个完整的数据集，3x5 = 15）

list(structure(c(1, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 
0, 1, 1, 0, 1, NA, 1, NA, 0, 0, 1, 1, 1, 1, 1), dim = 6:5), structure(c(1, 
1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, NA, 
NA, 0, 1, 0, 1, 1, 1, 1, 1), dim = 6:5), structure(c(1, 0, 1, 
0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, NA, 1, 0, 1, NA, 
1, 0, 0, 0, 1, 1, 0), dim = 6:5))

Answer 1

in

complete

，选择

action='all'

和

include=FALSE

排除未输入的数据集。对于仿真研究，您可能需要指定

seed

。

> library(mice)
> seed. <- 42
> lapply(raw_data, mice, m=5, method='pmm', seed=seed., printFlag=FALSE) |> 
+   lapply(complete, action='all', include=FALSE)
[[1]]
$`1`
  V1 V2 V3 V4 V5
1  1  1  0  0  0
2  0  0  0  1  1
3  0  1  1  0  1
4  1  1  0  1  1
5  0  0  1  1  1
6  0  0  1  0  1

$`2`
  V1 V2 V3 V4 V5
1  1  1  0  0  0
2  0  0  0  1  1
3  0  1  1  0  1
4  1  1  0  1  1
5  0  0  1  1  1
6  0  0  1  0  1

$`3`
  V1 V2 V3 V4 V5
1  1  1  0  0  0
2  0  0  0  1  1
3  0  1  1  0  1
4  1  1  0  1  1
5  0  0  1  1  1
6  0  0  1  0  1

$`4`
  V1 V2 V3 V4 V5
1  1  1  0  0  0
2  0  0  0  1  1
3  0  1  1  0  1
4  1  1  0  1  1
5  0  0  1  1  1
6  0  0  1  0  1

$`5`
  V1 V2 V3 V4 V5
1  1  1  0  0  0
2  0  0  0  1  1
3  0  1  1  0  1
4  1  1  0  1  1
5  0  0  1  0  1
6  0  0  1  0  1

attr(,"class")
[1] "mild" "list"

[[2]]
$`1`
  V1 V2 V3 V4 V5
1  1  0  0  1  0
2  1  0  0  0  1
3  0  0  1  1  1
4  1  0  1  0  1
5  1  1  0  0  1
6  0  0  1  1  1

$`2`
  V1 V2 V3 V4 V5
1  1  0  0  1  0
2  1  0  0  0  1
3  0  0  1  1  1
4  1  0  1  0  1
5  1  1  0  0  1
6  0  0  1  1  1

$`3`
  V1 V2 V3 V4 V5
1  1  0  0  1  0
2  1  0  0  0  1
3  0  0  1  1  1
4  1  0  1  0  1
5  1  1  0  0  1
6  0  0  1  1  1

$`4`
  V1 V2 V3 V4 V5
1  1  0  0  1  0
2  1  0  0  0  1
3  0  0  1  1  1
4  1  0  1  0  1
5  1  1  0  0  1
6  0  0  1  1  1

$`5`
  V1 V2 V3 V4 V5
1  1  0  0  1  0
2  1  0  0  0  1
3  0  0  1  1  1
4  1  0  1  1  1
5  1  1  0  0  1
6  0  0  1  1  1

attr(,"class")
[1] "mild" "list"

[[3]]
$`1`
  V1 V2 V3 V4 V5
1  1  1  0 NA  0
2  0  0  0  1  0
3  1  1  1  0  0
4  0  0  1  1  1
5  0  0  1 NA  1
6  0  0  0  1  0

$`2`
  V1 V2 V3 V4 V5
1  1  1  0 NA  0
2  0  0  0  1  0
3  1  1  1  0  0
4  0  0  1  1  1
5  0  0  1 NA  1
6  0  0  0  1  0

$`3`
  V1 V2 V3 V4 V5
1  1  1  0 NA  0
2  0  0  0  1  0
3  1  1  1  0  0
4  0  0  1  1  1
5  0  0  1 NA  1
6  0  0  0  1  0

$`4`
  V1 V2 V3 V4 V5
1  1  1  0 NA  0
2  0  0  0  1  0
3  1  1  1  0  0
4  0  0  1  1  1
5  0  0  1 NA  1
6  0  0  0  1  0

$`5`
  V1 V2 V3 V4 V5
1  1  1  0 NA  0
2  0  0  0  1  0
3  1  1  1  0  0
4  0  0  1  1  1
5  0  0  1 NA  1
6  0  0  0  1  0

attr(,"class")
[1] "mild" "list"

Warning messages:
1: Number of logged events: 30 
2: Number of logged events: 30 
3: Number of logged events: 2 

注意，在您的示例中，第三个数据集的归类由于共线性而失败。您可以通过设置

printFlag=TRUE

而不将管道调查为

complete

.

进行调查。

data：

---

> dput(raw_data)
list(structure(c(1, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 
0, 1, 1, 0, 1, NA, 1, NA, 0, 0, 1, 1, 1, 1, 1), dim = 6:5), structure(c(1, 
1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, NA, 
NA, 0, 1, 0, 1, 1, 1, 1, 1), dim = 6:5), structure(c(1, 0, 1, 
0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, NA, 1, 0, 1, NA, 
1, 0, 0, 0, 1, 1, 0), dim = 6:5))