插补次数和最大迭代次数如何影响多重插补的准确性？

机器算法验证 r 缺失数据 数据插补 多重插补 老鼠
2022-02-09 01:57:22

帮助页面MICE将函数定义为：

mice(data, m = 5, method = vector("character", length = ncol(data)),
  predictorMatrix = (1 - diag(1, ncol(data))),
  visitSequence = (1:ncol(data))[apply(is.na(data), 2, any)],
  form = vector("character", length = ncol(data)),
  post = vector("character", length = ncol(data)), defaultMethod = c("pmm",
  "logreg", "polyreg", "polr"), maxit = 5, diagnostics = TRUE,
  printFlag = TRUE, seed = NA, imputationMethod = NULL,
  defaultImputationMethod = NULL, data.init = NULL, ...)

这些是很多参数。如何决定指定哪些参数以及保留哪些参数作为默认值？

我对多重插补的数量m和最大迭代次数特别感兴趣maxit。这些参数如何影响准确性？

换句话说，何时（如何？）——在使用这些参数的同时——我真的可以说已经达到了某种收敛吗？

1个回答

让我们一一浏览参数：

  • data不需要解释
  • m是插补的次数，一般来说越多越好。最初（继 Rubin，1987 年之后）5 被认为是足够的（因此是默认值）。因此，从准确性的角度来看，5 可能就足够了。但是，这仅基于效率论点。为了更好地估计标准误差，需要更多的插补。如今，无论平均缺失百分比是多少，都有一个经验法则——因此，如果数据集中平均有 30% 的缺失数据，请使用 30 个插补——参见 Bodner (2008) 和 White et al (2011)更多细节。
  • method指定要使用的插补方法 - 仅当要覆盖默认方法时才需要。例如，默认情况下，连续数据通过预测均值匹配进行估算，这通常效果很好，但可以指定贝叶斯线性回归和其他几个模型，包括嵌套/聚类数据的多级模型。因此，专家/临床/统计知识可用于指定默认方法的替代方案。
  • predictorMatrix是一个矩阵，它告诉算法哪些变量预测哪些其他变量的缺失。mice如果未指定，则使用基于变量之间相关性和可用案例比例的默认值。专家/临床知识在指定预测矩阵时可能非常有用，因此应谨慎使用默认值。
  • visitSequence指定变量的插补顺序。通常不需要它。
  • form主要用于帮助指定在插补中使用的交互项，通常不需要。
  • post用于插补后处理，例如确保插补正值。这通常不需要。
  • defaultMethod更改默认的插补方法，通常不需要
  • maxit是每个插补的迭代次数。mice使用迭代算法。重要的是所有变量的插补达到收敛，否则它们将不准确。通过检查由此生成的轨迹图，plot()可以直观地确定。与其他 Gibbs 采样方法不同，所需的迭代次数要少得多——根据经验，通常在 20-30 或更少的范围内。当迹线达到一个值并在其周围略有波动时，就达到了收敛。以下是显示健康收敛的示例，取自此处：

在此处输入图像描述

在这里，用 5 个插补（彩色线）对 3 个变量进行 20 次迭代（图中的 x 轴），图中的 y 轴是每个插补的插补值。

  • diagnostics默认情况下会产生有用的诊断信息。

  • printFlag默认情况下输出算法进度，这很有用，因为可以轻松确定估计的完成时间。

  • seed是一个随机种子参数，可用于重现性。

  • imputationMethod并且defaultImputationMethod仅用于向后兼容。

Bodner, Todd E. (2008) “随着缺失数据插补的增加有什么改进？” 结构方程建模：多学科期刊 15：651-675。 https://dx.doi.org/10.1080/10705510802339072

Rubin, Donald B. (1987) 调查中不答复的多重插补。纽约：威利。

White、Ian R.、Patrick Royston 和 Angela M. Wood（2011 年）“使用链式方程进行多重插补：问题和实践指南”。医学统计 30：377-399。 https://dx.doi.org/10.1002/sim.4067

其它你可能感兴趣的问题
上一篇如何找到 95% 的可信区间？ 下一篇将二项式 GLMM (glmer) 拟合到作为比例或分数的响应变量