在mice中使用pmm方法时设置聚类变量的作用及合理性咨询

问题1：非多水平插补方法下设置聚类变量的作用 #

当你在mice的predictorMatrix中把聚类变量（比如school）设为-2，但不使用2l.pan这类专门的多水平插补方法时，这个设置的核心作用是让插补过程严格在每个聚类内部独立进行。也就是说，拟合缺失值的预测模型时，只会用到同一聚类（如同一学校）内的观测数据，不会跨聚类调用其他组的信息。这么做能避免忽略数据嵌套性带来的插补偏差，确保插补出来的值符合每个聚类内部的数据分布规律。

问题2：带聚类稳健SE的单水平模型能否用pmm插补 #

完全可以用pmm（预测均值匹配）这类单水平插补方法，理由如下：

• 你已经通过predictorMatrix的设置让插补过程考虑了聚类结构，保证了插补值的合理性；
• 2l.pan等多水平插补方法仅支持连续变量，对于有序问卷数据，很容易产生超出变量取值范围的不合理值；而pmm作为非参数插补方法，会直接从同聚类内的观测值中匹配取值，完美适配有序分类数据的特性，不会出现这类问题。后续分析用带聚类稳健标准误的单水平模型，也能正确估计聚类结构带来的标准误，保证统计推断的可靠性。

内容的提问来源于stack exchange，提问作者Verity