如何结合Total列使用mice包填充缺失值？R技术咨询

首先你不该删掉Total列，这正是能帮你保证填充后Maths + Eng = Total的关键信息。下面分两种思路给你解决方案：

一、在mice中结合Total列做约束填充 #

你可以先处理规则明确的缺失情况，再用mice处理剩余的复杂缺失：

1. 先填充单一科目缺失的行 #

对于那些有Total值且只有Maths或Eng一个列缺失的行，直接用Total减去已知科目值就能得到缺失值，完全不用统计模型：

# 填充Eng缺失（有Total和Maths的情况）
mydata$Eng[!is.na(mydata$Total) & !is.na(mydata$Maths) & is.na(mydata$Eng)] <- 
  mydata$Total[!is.na(mydata$Total) & !is.na(mydata$Maths) & is.na(mydata$Eng)] - mydata$Maths[!is.na(mydata$Total) & !is.na(mydata$Maths) & is.na(mydata$Eng)]

# 填充Maths缺失（有Total和Eng的情况）
mydata$Maths[!is.na(mydata$Total) & is.na(mydata$Maths) & !is.na(mydata$Eng)] <- 
  mydata$Total[!is.na(mydata$Total) & is.na(mydata$Maths) & !is.na(mydata$Eng)] - mydata$Eng[!is.na(mydata$Total) & is.na(mydata$Maths) & !is.na(mydata$Eng)]

2. 用mice处理双科目缺失的行 #

剩下的是Total存在但Maths和Eng都缺失的行，以及Total也缺失的行。对于前者，你可以自定义mice的填充逻辑，让模型先填充其中一个科目，再用Total计算另一个：

# 自定义填充函数：分情况处理不同缺失类型
fill_with_total <- function(data, seed = 100) {
  # 先处理Total存在但双科目缺失的行：用cart填充Maths，再推导Eng
  temp_mice <- mice(data[, c("ID", "Year", "Maths", "Total")], method = "cart", m = 1, maxit = 10, seed = seed)
  comp_temp <- complete(temp_mice)
  data$Maths[is.na(data$Maths) & is.na(data$Eng) & !is.na(data$Total)] <- comp_temp$Maths[is.na(data$Maths) & is.na(data$Eng) & !is.na(data$Total)]
  data$Eng[is.na(data$Eng) & !is.na(data$Total) & !is.na(data$Maths)] <- data$Total[is.na(data$Eng) & !is.na(data$Total) & !is.na(data$Maths)] - data$Maths[is.na(data$Eng) & !is.na(data$Total) & !is.na(data$Maths)]
  
  # 处理Total也缺失的行：填充Maths和Eng后计算Total
  temp_mice_full <- mice(data[, c("ID", "Year", "Maths", "Eng")], method = "cart", m = 5, maxit = 10, seed = seed)
  imputed_list <- lapply(1:5, function(i) {
    comp <- complete(temp_mice_full, i)
    comp$Total <- comp$Maths + comp$Eng
    comp
  })
  return(imputed_list)
}

# 执行填充
imputed_data_list <- fill_with_total(mydata)

二、替代mice的方法 #

如果不想用mice，也可以用以下两种方式：

1. 手动构建约束回归模型 #

对于双科目缺失的行，以ID、Year为自变量，先拟合科目得分的回归模型（用有完整数据的行），预测缺失值后再用Total推导另一科目：

# 拟合Maths的线性模型
math_model <- lm(Maths ~ ID + Year + Total, data = mydata[!is.na(mydata$Maths), ])
# 预测双缺失行的Maths
mydata$Maths[is.na(mydata$Maths) & is.na(mydata$Eng) & !is.na(mydata$Total)] <- predict(math_model, newdata = mydata[is.na(mydata$Maths) & is.na(mydata$Eng) & !is.na(mydata$Total), ])
# 用Total计算Eng
mydata$Eng[is.na(mydata$Eng) & !is.na(mydata$Total) & !is.na(mydata$Maths)] <- mydata$Total - mydata$Maths

2. 使用Amelia包处理多变量约束 #

Amelia支持在填充时直接定义变量间的逻辑约束，你可以指定Maths + Eng = Total作为硬性规则：

library(Amelia)
# 定义约束公式
constraints <- "Maths + Eng = Total"
# 执行多重插补
amelia_imp <- amelia(mydata, m = 5, seed = 100, constraints = constraints)
# 获取5组填充后的数据集
imputed_data <- amelia_imp$imputations

内容的提问来源于stack exchange，提问作者theD