使用where矩阵时R mice仍存在未填充缺失值的问题排查

核心原因 #

你遇到的问题大概率是目标缺失值所在的观测行中，用于插补的预测变量也存在大量缺失，导致mice无法生成有效的插补值——即使where矩阵已经标记了这些位置需要插补。另外，手动逐个变量构建where矩阵的方式不仅繁琐，也容易因疏漏出错。

解决方案 #

1. 批量构建where矩阵，减少人为错误 #

避免手动逐个变量赋值，通过变量名的时间后缀自动匹配对应的answered标记，确保逻辑准确：

# 初始化where矩阵：标记所有原始缺失值
where <- is.na(df)

# 筛选需要插补的变量（排除answered开头的标记变量）
target_vars <- setdiff(colnames(df), grep("answered", colnames(df), value = TRUE))

# 批量匹配时间点与answered变量
for (var in target_vars) {
  # 提取变量的时间后缀（如从TU1_t1提取t1）
  time_point <- sub(".*_t(\\d)", "t\\1", var)
  # 匹配对应的answered标记变量
  answered_var <- paste0("answered_", time_point)
  # 更新where矩阵：仅保留该时间点已作答的缺失值
  where[, var] <- where[, var] & df[[answered_var]] == 1
}

2. 调整预测变量矩阵，确保插补有足够信息 #

默认的预测矩阵可能没有充分利用纵向数据的时间关联性，你可以：

• 保留同指标不同时间点的变量作为预测因子（比如用TU1_t2、TU1_t3辅助插补TU1_t1）
• 若逻辑合理，可考虑将answered变量纳入预测因子（示例中暂保持禁用）

# 生成默认预测矩阵
pred <- make.predictorMatrix(df)
# 禁用answered变量作为预测因子
pred[, grep("answered", colnames(pred))] <- 0
# 确保同指标的跨时间点变量可互相预测（默认已开启，此处为显式确认）

3. 选择适配纵向数据的插补方法 #

针对时间序列/纵向数据，使用mice的专用插补方法能提升插补效果，比如pmm（保留数据分布特性）：

# 构建方法矩阵，为目标变量指定插补方法
meth <- make.method(df)
meth[grep("TU", colnames(df))] <- "pmm"

# 重新执行多重插补
imp <- mice(df, m = 5, predictorMatrix = pred, where = where, method = meth, printFlag = FALSE)

4. 诊断插补过程，定位未填充原因 #

通过mice的内置函数查看插补统计信息，明确哪些缺失值无法填充及原因：

# 查看插补过程摘要
summary(imp)
# 统计各变量的插补次数
table(is.na(complete(imp, action = "long"))$value)

验证修正效果 #

运行优化后的代码后，重新检查目标观测的填充情况：

completed_data <- complete(imp)
print(completed_data[3, ])
where[3, ]

内容的提问来源于stack exchange，提问作者Qwertzu-iop