多重插补敏感性分析：分类变量δ偏移参数实现及mice包问题

生成带缺失值的数据集 #

id1=rep(1:10,2)
trt=c(rep(1,10),rep(0,10))
outcome=rnorm(20)
set.seed(1005)
missing=c()
for(i in outcome){
  if(rbinom(1,1,0.8*abs(i/max(abs(outcome))))==1){
    missing=c(missing,which(outcome==i))
  }
}
missing
trt[missing]=NA
dat=data.frame(id=id1,trt=as.factor(trt),outcome=outcome)
a1=mice::mice(dat,method=c('','logreg',''))

尝试添加截距偏移的代码与报错 #

尝试修改trt的插补公式以添加常数偏移：

forms_a1=a1$formulas
forms_a1$trt=as.formula(trt~outcome+offset(2))

mice::mice(dat,method=c('','logreg',''),formulas = forms_a1)

返回错误：

iter imp variable
  1   1  trtError in model.frame.default(formula, data = data, na.action = na.pass) : 
  variable lengths differ (found for 'offset(2)')

核心疑问 #

Q1：如何正确为分类变量的插补模型偏移截距？曾考虑添加额外列作为偏移变量，但担心改变估计系数。
Q2：若要偏移特定变量的斜率（例如给id的斜率添加10的偏移），该如何操作？
核心问题：在多重插补的敏感性分析中，如何为分类变量实现δ偏移参数？

Q1：截距偏移的正确实现 #

报错原因是offset(2)是单个标量，而模型要求偏移项是与数据集行数匹配的向量。正确做法是：

1. 先在数据集中生成一个全为目标偏移值的列：

# 设定截距偏移量δ=2
dat$delta_int <- 2

2. 修改插补公式，引用该列作为偏移：

forms_a1 <- a1$formulas
# logreg模型的offset会直接加到线性预测器上，等价于截距偏移
forms_a1$trt <- as.formula(trt ~ outcome + offset(delta_int))
# 执行插补
imputed_int <- mice::mice(dat, method = c('','logreg',''), formulas = forms_a1)

这种方式不会改变原模型的系数估计，仅对线性预测器的截距部分施加固定偏移，完全符合敏感性分析的需求。

Q2：斜率偏移的实现 #

要对特定变量的斜率施加偏移，本质是给该变量的线性贡献添加固定增量，步骤如下：

1. 生成对应斜率偏移的向量列：

# 设定id变量的斜率偏移量δ=10
dat$delta_slope <- 10 * dat$id

2. 修改插补公式，将该偏移项加入线性预测器：

forms_a1 <- a1$formulas
# 原模型线性预测器为β0 + β1*outcome + β2*id，添加偏移后变为β0 + β1*outcome + (β2+10)*id
forms_a1$trt <- as.formula(trt ~ outcome + id + offset(delta_slope))
# 执行插补
imputed_slope <- mice::mice(dat, method = c('','logreg',''), formulas = forms_a1)

此方法仅调整目标变量的有效斜率，不会影响其他变量的系数估计，满足敏感性分析中斜率偏移的要求。

通用总结 #

在mice的多重插补敏感性分析中，针对分类变量（如用logreg插补的二分类变量）实现δ偏移的通用逻辑：

• 针对截距偏移：生成全为δ值的向量列，通过offset()加入公式
• 针对斜率偏移：生成δ*目标变量的向量列，通过offset()加入公式
• 两种方式均不会改变原模型中其他变量的系数估计，仅对目标部分（截距/特定斜率）施加偏移，完美适配敏感性分析的需求

内容的提问来源于stack exchange，提问作者user45765