R mice包使用2lonly.pmm方法报错：集群存在部分缺失的二级数据

问题背景 #

使用R的mice包对包含个人、团队两层的多水平数据集做多重插补：

• starts为目标数据集
• personlevel是个人内取值不变的变量名向量
• teamlevel是依赖团队的变量名向量

插补代码 #

predmatrix<-quickpred(starts)

predmatrix[personlevel, 'PERNER'] <- -2 # 指定PERNER为个人层变量的集群ID
predmatrix[teamlevel, 'team_id'] <- -2 # 指定team_id为团队层变量的集群ID

imputation_specs<-is.na(starts)
imputation_specs[,onlypred]<-FALSE  # 设置仅作预测变量的列不进行插补

# 初始化插补方法
mi1 <- mice(starts, maxit = 0)
mi_methods <- mi1$method

# 为不同层级变量指定插补方法
mi_methods<-ifelse(colnames(starts) %in% personlevel, "2lonly.pmm", 
       ifelse(colnames(starts) %in% teamlevel, "2l.pmm", ""))

# 执行插补
test_MI_2<-mice(starts, pred=predmatrix, 
                where=imputation_specs,method=mi_methods, m=2, print=FALSE)

报错信息 #

Error in .imputation.level2(y = y, ry = ry, x = x, type = type, wy = wy,  :  Method 2lonly.pmm found the following clusters with partially missing level-2 data: 70024886 Method 2lonly.mean can fix such inconsistencies.

问题原因 #

2lonly.pmm是专门用于集群内取值完全一致的层级变量的插补方法，它要求同一集群（这里是个人ID 70024886）内的目标变量必须满足：要么所有记录都缺失，要么所有记录都有值。报错说明该个人的某个personlevel变量存在「部分行缺失、部分行有值」的不一致情况——哪怕肉眼检查没发现，可能是隐形NA、数据类型问题（比如字符型空值被识别为非NA）或者数据录入错误导致的。

解决办法 #

1. 精准排查问题变量 #

先筛选出报错个人的数据，检查每个个人层变量的缺失分布：

# 提取报错个人的所有数据（仅保留个人ID和个人层变量）
problem_person <- starts[starts$PERNER == 70024886, c("PERNER", personlevel)]
# 统计每个个人层变量的缺失/非缺失数量
apply(problem_person[, personlevel], 2, function(x) table(is.na(x)))

运行后会看到哪个变量同时存在NA和非NA值，这就是触发报错的根源。

2. 修复数据一致性 #

针对问题变量，根据数据逻辑修正：

• 如果该变量在个人内应该有唯一值：提取该个人的非NA有效值，填充所有NA行

# 以问题变量var为例
valid_val <- unique(problem_person$var[!is.na(problem_person$var)])
# 确保有效值唯一（个人层变量逻辑上应该如此）
if(length(valid_val) == 1) {
  starts[starts$PERNER == 70024886, "var"] <- valid_val
}

• 如果该个人的该变量确实没有有效值，直接将所有行设为NA：

starts[starts$PERNER == 70024886, "var"] <- NA

3. 特殊情况的替代方案 #

如果确实存在个人层变量需要保留部分缺失的特殊场景（不推荐，不符合数据逻辑），可以将该变量的插补方法改为2l.pmm，它允许集群内存在取值变异，但会牺牲个人层变量「取值一致」的约束：

# 单独修改问题变量的插补方法
mi_methods["var_name"] <- "2l.pmm"

内容的提问来源于stack exchange，提问作者poppiytt