对R的MICE中的每个推算数据集执行操作

Question

如何从R的包mice中对mids类中的每个推定数据集执行操作（如子集或添加计算列）？我希望结果仍然是mids对象。

编辑：实施例

library(mice) 
data(nhanes) 

# create imputed datasets 
imput = mice(nhanes) 

插补数据集被存储为列表

imput$imp 

那里只有用于与插补对于给定的变量的观察的行的列表。

原始的（不完全的）数据集存储在这里：

imput$data 

例如，我将如何创建在每个插补数据集的计算chl/2一个新的变量，产生一个新的对象mids？

Answer 1

给出另一种方法是计算之前对他们的归集和地点限制的变量。

library(mice) 

# Create the additional variable - this will have missing 
nhanes$extra <- nhanes$chl/2 

# Change the method of imputation for extra, so that it always equals chl/2 
# change the predictor matrix so only chl predicts extra 
ini <- mice(nhanes, max = 0, print = FALSE) 

meth <- ini$meth 
meth["extra"] <- "~I(chl/2)" 

pred <- ini$pred # extra isnt used to predict 
pred[ "extra", "chl"] <- 1 

# Imputations 
imput <- mice(nhanes, seed=1, pred = pred, meth = meth, print = FALSE) 

，我们在小鼠中的例子：R中

Answer 2

还有就是with过载，可以帮助你在这里

with(imput, chl/2) 

的文档在?with.mids

Answer 3

这可以很容易如下进行多元插补由链式方程 -

使用complete()转换一个中频对象为长格式的数据。框架：

long1 <- complete(midsobj1, action='long', include=TRUE) 

执行任何操作需要：

long1$new.var <- long1$chl/2 
long2 <- subset(long1, age >= 5) 

使用as.mids()到后面操纵的数据转换为中频对象：

midsobj2 <- as.mids(long2) 

现在你可以使用midsobj2要求。请注意，as.mids()需要include=TRUE（用于包含缺少值的原始数据）才能正确压缩长格式的数据。需要注意的是小鼠中之前将有V2.25是在as.mids（）中的错误函数（看到这个帖子https://stats.stackexchange.com/a/158327/69413）

编辑：根据这一答案https://stackoverflow.com/a/34859264/4269699（从什么本质上是一个重复的问题），你也可以编辑mids直接通过访问$ data和$ imp来进行响应。因此，例如

midsobj2<-midsobj1 
midsobj2$data$new.var <- midsobj2$data$chl/2 
midsobj2$imp$new.var <- midsobj2$imp$chl/2 

你会遇到麻烦，但如果你想子集$小鬼或者如果你想使用$调用，所以我不建议一般这种解决方案。