R中as.mids函数报错：replace=FALSE时样本量不能大于总体量

错误含义 #

说白了就是：as.mids转换回mids对象时，需要从每个插补分组里抽取样本重建结构，但某个分组的样本数比要抽取的数量少，且抽样设置为不重复（replace=FALSE），导致无法完成抽样操作。

一般是你处理长格式数据时做了子集筛选或修改了分组结构，比如删除部分行后，某个.imp分组（尤其是原始数据对应的.imp=0组）的样本量和其他插补组不一致，导致as.mids无法按预期重建mids对象。

解决方法 #

1. 检查并统一各.imp分组的样本量 #

先确认每个插补组的样本数是否一致：

table(long1$.imp)

如果存在样本量不一致的分组，需要修正数据：

• 若是误删了行，恢复对应分组的完整数据；
• 若确实需要筛选子集，要保证每个.imp分组都筛选相同的行（比如基于原始数据的行索引筛选，而非随机筛选）。

2. 转换长格式时不包含原始数据 #

如果你的操作不需要保留原始数据（.imp=0组），转换长格式时去掉include=TRUE：

long1 <- complete(imp, action='long', include=FALSE)

这样长格式数据里只有25个插补组，避免原始数据组可能带来的样本量不一致问题，之后再用as.mids转换通常不会报错。

3. 手动统一各分组样本量（应急方案，不推荐） #

如果必须保留原始数据且样本量无法统一，可手动将每个分组的样本数调整为一致（会丢失部分数据，可能影响分析可靠性）：

# 查看每个分组的样本量
n_per_imp <- table(long1$.imp)
# 找到最小的样本量
min_n <- min(n_per_imp)
# 每个分组随机抽取min_n行，统一样本量
long1_uniform <- long1 %>%
  dplyr::group_by(.imp) %>%
  dplyr::slice_sample(n = min_n, replace = FALSE) %>%
  dplyr::ungroup()
# 转换为mids对象
imp <- as.mids(long1_uniform)

内容的提问来源于stack exchange，提问作者TesM