为何mice包中with()执行结果随数据列顺序变化？

问题本质 #

当数据框列顺序改变时，mice包的多重插补结果出现差异，进而导致后续glm回归结果不同，核心原因是默认插补变量的访问顺序（visitSequence）依赖数据框的列顺序。

具体原因 #

mice的visitSequence参数默认逻辑：

• 若数据为单调缺失模式，自动采用"monotone"模式，按变量缺失率从高到低排序插补；
• 若为非单调缺失，默认采用"roman"模式，严格按照数据框的列顺序依次插补变量。

你的两个数据框仅列顺序不同，导致"roman"模式下的插补顺序完全改变。由于多重插补是迭代过程：后续变量的插补会使用前面已完成插补的变量作为预测因子，插补顺序的变化会直接改变每一轮插补的预测变量集合，最终生成的插补数据集存在差异，回归结果自然不同。

解决办法 #

手动指定固定的visitSequence，确保无论列顺序如何变化，插补顺序保持一致。

方式1：按变量名固定插补顺序 #

直接指定统一的变量名顺序，比如沿用原数据的变量顺序：

# 定义固定插补顺序：age, bmi, hyp, chl
fixed_visit_order <- c("age", "bmi", "hyp", "chl")

# 处理原数据nhanes2
test_im <- mice(nhanes2, m=5, seed=6666, visitSequence = fixed_visit_order)
result1 <- pool(with(test_im, glm(chl ~ age + hyp + bmi)))
summary(result1)

# 处理列顺序调整后的nhanes3
test_im2 <- mice(nhanes3, m=5, seed=6666, visitSequence = fixed_visit_order)
result2 <- pool(with(test_im2, glm(chl ~ age + hyp + bmi)))
summary(result2)

此时两次插补的变量顺序完全一致，最终回归结果会保持相同。

方式2：按缺失率固定插补顺序 #

如果想保留按缺失率优先插补的逻辑，可手动计算原数据的缺失率并生成固定顺序：

# 计算原数据各变量缺失率，按从高到低排序
missing_rates <- sort(colMeans(is.na(nhanes2)), decreasing = TRUE)
fixed_visit_order <- names(missing_rates)

# 应用固定顺序进行插补
test_im <- mice(nhanes2, m=5, seed=6666, visitSequence = fixed_visit_order)
test_im2 <- mice(nhanes3, m=5, seed=6666, visitSequence = fixed_visit_order)

这种方式确保插补顺序始终由缺失率决定，不受列顺序影响。

验证方法 #

可通过查看插补对象的visitSequence属性确认顺序是否统一：

# 查看两次插补的访问顺序
test_im$visitSequence
test_im2$visitSequence

若输出结果完全一致，说明插补顺序已统一，后续回归结果也会一致。

内容的提问来源于stack exchange，提问作者tumidou