如何仅插补时间序列数据中的间断缺失值（intermittent missing），保留单调缺失值？

我有一个时间有序的数据集，缺失值分为两类：

• 单调缺失值（monotone missing）：连续缺失序列且包含最终值
• 间断缺失值（intermittent missing）：与最终值之间至少有一个非缺失值隔开的缺失值

我需要通过多重插补生成多个数据集版本，仅对间断缺失值进行插补，单调缺失值保持缺失状态，后续再用其他策略处理。但使用mice包运行代码后，只有第二行的间断缺失被插补，第一、三行标记的间断缺失未被处理。

library(dplyr)
library(mice)

set.seed(2024)

df <- tribble(
  ~v1,  ~v2,  ~v3,  ~v4,  ~v5,
  5,    NA,   3,    9,    NA,
  6,    6,    NA,   1,    1,
  2,    NA,   2,    NA,   NA,
  4,    8,    7,    NA,   NA,
  7,    4,    2,    5,    4
)

mask <- tribble(
  ~v1,      ~v2,    ~v3,      ~v4,      ~v5,
  FALSE,    TRUE,   FALSE,    FALSE,    FALSE,
  FALSE,    FALSE,  TRUE,     FALSE,    FALSE,
  FALSE,    TRUE,   FALSE,    FALSE,    FALSE,
  FALSE,    FALSE,  FALSE,    FALSE,    FALSE,
  FALSE,    FALSE,  FALSE,    FALSE,    FALSE
)

mi <- mice(data = df,
           where = mask)

complete(mi, action = "long")

.imp .id v1 v2 v3 v4 v5
1     1   1  5 NA  3  9 NA
2     1   2  6  6  3  1  1
3     1   3  2 NA  2 NA NA
4     1   4  4  8  7 NA NA
5     1   5  7  4  2  5  4
6     2   1  5 NA  3  9 NA
7     2   2  6  6  3  1  1
8     2   3  2 NA  2 NA NA
9     2   4  4  8  7 NA NA
10    2   5  7  4  2  5  4

.imp .id v1 v2 v3 v4 v5
1     1   1  5  2  3  9 NA
2     1   2  6  6  3  1  1
3     1   3  2  4  2 NA NA
4     1   4  4  8  7 NA NA
5     1   5  7  4  2  5  4
6     2   1  5  5  3  9 NA
7     2   2  6  6  3  1  1
8     2   3  2  7  2 NA NA
9     2   4  4  8  7 NA NA
10    2   5  7  4  2  5  4

问题根源是mice默认的自动插补逻辑会跳过存在其他缺失值的行中目标位置的插补。需要明确指定插补方法，确保标记的间断缺失值被处理：

library(dplyr)
library(mice)

set.seed(2024)

df <- tribble(
  ~v1,  ~v2,  ~v3,  ~v4,  ~v5,
  5,    NA,   3,    9,    NA,
  6,    6,    NA,   1,    1,
  2,    NA,   2,    NA,   NA,
  4,    8,    7,    NA,   NA,
  7,    4,    2,    5,    4
)

mask <- tribble(
  ~v1,      ~v2,    ~v3,      ~v4,      ~v5,
  FALSE,    TRUE,   FALSE,    FALSE,    FALSE,
  FALSE,    FALSE,  TRUE,     FALSE,    FALSE,
  FALSE,    TRUE,   FALSE,    FALSE,    FALSE,
  FALSE,    FALSE,  FALSE,    FALSE,    FALSE,
  FALSE,    FALSE,  FALSE,    FALSE,    FALSE
)

# 仅对需要插补的v2、v3指定pmm插补方法，其余变量设为空字符串表示不插补
method <- c("", "pmm", "pmm", "", "")

mi <- mice(data = df,
           where = mask,
           method = method,
           m = 2) # 指定生成2个插补数据集

complete(mi, action = "long")

关键调整说明 #

1. method参数：明确指定哪些变量需要插补，避免mice自动判断时跳过有其他缺失值的行
2. where掩码：精准定位需要插补的单元格，确保仅处理标记的间断缺失值
3. m参数：指定生成的插补数据集数量，这里设为2匹配预期输出

运行上述代码后，第一行v2、第三行v2的间断缺失值会被正常插补，而单调缺失值（如第一行v5、第三行v4/v5）保持缺失，符合预期需求。

内容的提问来源于stack exchange，提问作者Esben Mølgaard