首页 文章

MICE中的Stripplot

提问于
浏览 次
0

我在R中使用MICE包进行多次插补 . 我只使用数值变量进行了几次插补，插补方法是预测均值匹配，当我使用命令stripplot（插入数据集的名称）时，我可以看到所有变量的观察值和估算值 .

当我尝试对分类和数值变量的组合进行插补时，会出现问题 . 然后，插补方法是数值变量的PMM，以及分类变量的逻辑回归 . stripplot-command只显示数值变量 . 我试图用这些命令指定edu是一个带有2个值的分类变量：

stripplot(imp, imp$edu)
stripplot(imp, names(imp$edu))

我收到了这个错误：

stripplot.mids（imp，imp $ edu）中的错误：无法填充扩展公式 .

有谁知道如何绘制数值和分类变量的观测值和估算值？

imputation r-mice

1 回答

  • 0

    您可以尝试的一件事是将imputed dataset 检索为data.frame并使用常规绘图函数 . 首先检索数据集，包括缺少值的原始数据集（imp是mice.mids对象，即运行鼠标的结果）

    impL <- complete(imp,"long",include = T)

    接下来添加一个虚拟表示哪些数据集被估算

    impL$Imputed <- factor(impL$.imp >0,labels = c("Observed","Imputed"))

    然后，您可以为每个变量使用绘图函数 . 这样做的好处是可以创建更好的图 . 例如，使用 ggplot （包ggplot2）在分类变量上创建条形图：

    ggplot(impL[which(!is.na(impL$var1)),],aes(x = var1)) + 
geom_bar(aes(y = ..prop.., group = Imputed)) + facet_wrap(Imputed ~ ,ncol=1,nrow=2)

    包含 !is.na 以避免绘制NA条形图 . var1 是您要绘制的变量 . 对于连续变量，您可以创建密度图 .

    ggplot(impL, aes(x = var2, colour = Imputed)) + geom_density()

    要查看所有独特的插补，您可以在aes括号内添加 group = .imp . 希望这可以帮助

    回复于

相关问题