（编辑：完全提炼的问题）

使用包mitools和调查并遵循Anthony Damico的代码，我正在使用Survey of Consumer Finance数据集几天 . 原始的数据集列表是“scf_imp”，并且插补强加的数据集列表是“scf_design” . 问题如下：

5个多重插补数据帧具有不同的列，因此如果我使用该列变量（在我的情况下为“house”）制作样本的子集，则“house”列中具有缺失值的数据帧与其他数据帧的行为不同 .

我试过的是：

scf_design_owner < - subset（scf_design，houses> 0＆income> 0，all = TRUE）

要么

  • 我甚至在创建插补列表之前切断了na值行，如下所示：

lapply（scf_imp，function（x）{replace_na（x，list（houses = 0，income = 0））}）

我也做了过滤器试验，但有些事情并没有在插入列表中起作用 .

经过那些试验，当我检查错误信息时 . 警告消息：在subset.svyimputationList中（scf_design，houses> 0＆income> 0，：子集在插补之间不同

我完全陷入困境，我花了三天多的时间 . 简而言之，我的计划是使用“houses> 0和income> 0”（列表中的两个列名称）过滤的插补列表，并仅使用所有五个插补数据帧都具有的观察值（行） .

我只是R的初学者，所以请耐心等待 . 我坚持使用SCF数据集并进行简单的统计分析 . 我必须削减数据，其中样本仅包括房屋和收入的正值 .

首先，我尝试通过在变量重新编码（http://asdfree.com/survey-of-consumer-finances-scf.html）中指定的Anthony Damico在数据帧列表中添加其他列来实现 . 我无法在那里那样做 . 所以我决定限制整个数据帧列表（scf_design）以包括条件标准如下：

这是我的R代码（最多子集）：

setwd( "D:/Dropbox/Data/SCF 2016" )
library(mitools)    # allows analysis of multiply-imputed survey data
library(survey)     # load survey package (analyzes complex design surveys)
library(downloader) # downloads and then runs the source() function on 
scripts from github
library(foreign)    # load foreign package (converts data files into R)
library(Hmisc)      # load Hmisc package (loads a simple wtd.quantile function)

scf_imp <- readRDS("scf 2016.rds" )
scf_rw <- readRDS("scf 2016 rw.rds" )

scf_design <- svrepdesign( 

     # use the main weight within each of the imp# objects
     weights = ~wgt , 

     # use the 999 replicate weights stored in the separate replicate weights file, -1 drops first id column
     repweights = scf_rw[ , -1 ] , 

     # read the data directly from the scf data, list of all five imputation data frames
     data = imputationList( scf_imp ) , 

     scale = 1 ,

     rscales = rep( 1 / 998 , 999 ) ,

     # use the mean of the replicate statistics as the center
     # when calculating the variance, as opposed to the main weight's statistic
     mse = TRUE ,

     type = "other" ,

     combined.weights = TRUE
 )

 scf_design_owner <- subset(scf_design, houses > 0 & income > 0)

如果您没有时间，请查看最后一行，我得到的是以下消息

scf_design_owner <- subset(scf_design, houses > 0 & income > 0)
It seemed to work at first (when I did it with only one criterion..) However, 
it shows the following warnings.

Warning message:
In subset.svyimputationList(scf_design, houses > 0 & income > 0) :
subset differed between imputations

问题是每个插补数据帧中的样本数量似乎不同 . （从SCF创建了五个插补数据帧 . 他们使用多重插补技术..因此，'scf_designer'是五个数据帧的列表）

> lodown:::scf_MIcombine( with( scf_design_owner , svyby( ~ one , ~ one , 
unwtd.count ) ) )
Multiple imputation results:
  with(scf_design_owner, svyby(~one, ~one, unwtd.count))
  lodown:::scf_MIcombine(with(scf_design_owner, svyby(~one, ~one, unwtd.count)))
  results        se
1  4131.6 0.9797959

原始样本的数量是6248.它肯定会减少，但现在它有小数....我怀疑这是由于每个插补列表中的样本数量不同 .

我被困在这里 . 长话短说，这是我的问题 .

  • 有什么方法可以得到 subsetting the dataframe in the right way 所有修改后的插补数据帧都有相同数量的样本？

  • 如果我的方法效率不高，如何在“变量重新编码”部分中执行此操作？ （这是我原来的试用版） . 我能够为房屋添加额外的变量，因为SCF宏中有一个可变的hhouses，这是一个标识房主的逻辑var . 但是我的收入没有类似的变数，所以我放弃了 . （SCF的收入从0开始，因此在0点有度量）

我的意思是变量重新编码aprt是Anthony Damico写的如下：

例：

scf_design <- 
    update( 
    scf_design , 
    hhsex = factor( hhsex , labels = c( "male" , "female" ) ) ,
    married = as.numeric( married == 1 ) ,
    edcl = 
        factor( 
            edcl , 
            labels = 
                c( 
                    "less than high school" , 
                    "high school or GED" , 
                    "some college" , 
                    "college degree" 
                ) 
        )

）

（加成）

我找到了这个，并解决了这个问题 . 如果子集在多个插补之间不同，则默认为采用任何插补的子集中的观察结果，并带有警告 .

d3<-subset(des, HAB1MI>3) 
 Warning message: In subset.svyimputationList(des, HAB1MI > 3) : 
 subset differed between imputations 
 To keep only those observations in the subset for all imputations 
 use the all=TRUE argument to subset
r survey imputation