mice多重插补后feols固定效应回归遇data缺失错误的解决咨询

核心原因 #

with.mids（mice包处理插补数据集的with方法）是为传统线性模型（如lm）设计的，而fixest包的feols/feglm要求必须显式指定data参数，with()的调用逻辑没法满足这个要求，所以报错。

直接解决方案：手动循环插补数据集 #

放弃用with()，直接取出每个插补后的数据集跑回归，代码示例：

# 加载必要包
library(mice)
library(fixest)

# 假设你的插补结果对象是imp（mids类）
# 初始化列表存储每个插补数据集的回归结果
reg_list <- list()

# 循环遍历所有插补数据集
for (i in 1:imp$m) {
  # 取出第i个插补完成的数据集
  imp_data <- complete(imp, action = i)
  # 显式指定data参数跑feols回归
  reg_list[[i]] <- feols(
    你的公式,  # 比如 y ~ var1 + var2 | fe_group + fe_year
    data = imp_data
  )
}

更简洁的写法（用purrr） #

如果习惯用tidyverse风格，可以用purrr::map替代循环：

library(purrr)

reg_list <- map(1:imp$m, ~feols(你的公式, data = complete(imp, .x)))

后续：合并插补回归结果 #

因为fixest的回归对象不是标准lm类，默认的pool()函数没法直接用，你可以手动按照mice的合并规则处理：

# 提取所有回归的系数和方差协方差矩阵
coefs <- map_dfr(reg_list, ~as.data.frame(t(coef(.x))), .id = "imputation")
vcovs <- map(reg_list, vcov)

# 计算合并后的系数（均值）
pooled_coef <- colMeans(coefs[, -1])

# 计算合并后的标准误（mice的规则：内插补方差 + 插补间方差*(1+1/m)）
within_var <- colMeans(do.call(rbind, lapply(vcovs, diag)))
between_var <- apply(coefs[, -1], 2, var)
pooled_se <- sqrt(within_var + (1 + 1/imp$m)*between_var)

# 输出合并结果
cbind(系数 = pooled_coef, 标准误 = pooled_se)

内容的提问来源于stack exchange，提问作者lam