我有一个数据框，其中包含连续5年不同植物的丰度（每年1个值;从T2到T6），用于不同的地点（15个地点）和处理（浏览与未浏览） . T2到T6在列中，我有一列指定物种 .
对于某些网站，T5系统性缺失 . 对于其他站点，T4和T6都丢失了 . T2和T3适用于所有站点 .
这是一个虚构的例子：
> data = matrix(c(0.02, 0.02, 0.03, NA, 0.06,
+ 0.01, 0.04, NA, 0.03, NA,
+ 0.11, 0.12, 0.14, NA, 0.19,
+ 0.06, 0.04, NA, 0, NA,
+ 0.22, 0.26, 0.34, NA, 0.46),5,5, byrow=TRUE)
> colnames(data) = c("T2", "T3", "T4", "T5", "T6")
> data = as.data.frame(data)
> data$species = c("Abibal", "Abibal", "Abibal", "Rubida", "Rubida")
> data
T2 T3 T4 T5 T6 species
1 0.02 0.02 0.03 NA 0.06 Abibal
2 0.01 0.04 NA 0.03 NA Abibal
3 0.11 0.12 0.14 NA 0.19 Abibal
4 0.06 0.04 NA 0.00 NA Rubida
5 0.22 0.26 0.34 NA 0.46 Rubida
因此，没有不包含任何NA的行 .
由于数据系统地丢失但是丢失的可能性与数据值无关，我认为数据是随机丢失（MAR） .
现在，我想使用mouse（）和预测均值匹配来估算我丢失的数据 . 我第一次运行它并没有遇到任何错误 . 但是，仔细查看插补数据时，我遇到了一些奇怪的估算数据 .
在尝试更好地理解预测平均匹配背后的机制时，我读到该函数从估计没有丢失数据的情况的线性回归开始 .
这是否意味着该函数仅使用没有丢失数据的行来估计其系数？或者，例如，当函数试图为T5计算值时，它只使用T5没有丢失数据的行来估计他的系数？
此外，在估算系数时，该函数如何考虑定性变量（如“物种”）？它是否单独估算“物种”的每个值的系数？
任何有关此事的帮助，或者在我的案例中最好的方法来估算数据都是值得赞赏的 .
非常感谢你，
洛朗