R语言高级方法进行缺失数据多重插补案例演示

Python024

R语言高级方法进行缺失数据多重插补案例演示,第1张

当我们在数据集中缺少值时，重要的是考虑为什么它们会丢失以及它们对分析的影响。有时忽略丢失的数据会降低功耗，但更重要的是，有时它会使答案有偏差，并有可能误导错误的结论。因此，重要的是要考虑丢失的数据机制是什么，以便对其进行处理。 Rubin（1976）区分了三种类型的误报机制：

各位大神，谁能给提点一下怎么在R语言中实现缺失值的处理，不是简单地删除，而是用其他的方法进行填补，数据集为一excel数据，大约1000条数据的样子。求问啊，再网上找了下，把网上的方法粘在这里吧，不过貌似不太对，用不了。求问各路大仙还有没有其他的方法？谢谢啦，急用！网上方法如下：

三、处理缺失数据

删除缺失数据样本，其前提是缺失数据的比例较少，而且缺失数据是随机出现的，这样删除缺失数据后对分析结果影响不大。

用变量均值或中位数来代替缺失值，其优点在于不会减少样本信息，处理简单。但是缺点在于当缺失数据不是随机出现时会产成偏误。

多重插补法（Multiple imputation）：多重插补是通过变量间关系来预测缺失数据，利用蒙特卡罗方法生成多个完整数据集，再对这些数据集分别进行分析，最后对这些分析结果进行汇总处理。在R语言中实现方法是使用mice包中的mice函数，生成多个完整数据集存在imp中，再对imp进行线性回归，最后用pool函数对回归结果进行汇总。汇总结果的前面部分和普通回归结果相似，nmis表示了变量中的缺失数据个数，fmi表示fraction of missing information，即由缺失数据贡献的变异。

----------------------

library(mice)

imp=mice(sleep,seed=1234)

fit=with(imp,lm(Dream~Span+Gest))

pooled=pool(fit)

summary(pooled)

我们在临床做回顾性研究分析中经常要面对数据缺失的问题，如果数据缺失量大就会对我们的研究结果产生影响，近年来，对数据进行多重插补广泛应用于SCI论文中。我们在之前的文章中已经演示了使用SPSS对数据进行多重插补并分析。今天，我们通过使用R语言的Mice包来演示多重插补并对数据进行分析。

我们使用R语言survival包自带的mgus数据集来进行演示

先把数据导入

library(survival)

library(rms)

data(package=“survival”)

data(“mgus”)

head(mgus)

bc<-mgus