如何利用MICE获取单个变量var_1的合并估计值？

下面两种方法可以帮你直接得到var_1的合并估计值，不用通过线性模型：

方法1：直接从插补对象提取值并合并 #

MICE的插补结果give_imp里，$imp列表存储了所有缺失值的插补结果。你可以直接提取var_1的所有插补值，再计算合并后的估计：

library(mice)
library(tidyverse)

# 提取所有插补数据集中的var_1插补值
var_1_imps <- give_imp$imp$var_1

# 方式一：简单合并——直接取所有插补值的均值
simple_mean <- mean(unlist(var_1_imps))

# 方式二：用Rubin规则严谨合并（适合需要统计推断的场景）
# 先算每个插补数据集的var_1均值
imp_means <- apply(var_1_imps, 2, mean)
# 插补内方差：各数据集var_1方差的均值
within_var <- mean(apply(var_1_imps, 2, var))
# 插补间方差：各插补均值的方差
between_var <- var(imp_means)
# Rubin规则的合并方差
total_var <- within_var + between_var + between_var / ncol(var_1_imps)
# 合并均值就是各插补均值的平均
rubin_mean <- mean(imp_means)

# 输出结果
cat("简单合并均值：", round(simple_mean, 3), "\n")
cat("Rubin规则合并均值：", round(rubin_mean, 3), "\n")
cat("合并方差：", round(total_var, 3), "\n")

方法2：从完整数据集提取计算 #

用complete()函数生成所有插补后的完整数据集，再提取var_1计算合并值：

# 生成所有插补后的完整数据集
all_complete_dfs <- complete(give_imp, "all")

# 提取每个数据集的var_1均值，再算整体均值
var_1_means <- map_dbl(all_complete_dfs, ~mean(.x$var_1, na.rm = TRUE))
combined_mean <- mean(var_1_means)

# 同样用Rubin规则算方差
within_var <- mean(map_dbl(all_complete_dfs, ~var(.x$var_1, na.rm = TRUE)))
between_var <- var(var_1_means)
total_var <- within_var + between_var + between_var / length(var_1_means)

cat("合并后的var_1均值：", round(combined_mean, 3), "\n")
cat("合并方差：", round(total_var, 3), "\n")

如果只是需要一个单一的估计值（比如均值），简单取平均就够用；如果需要做统计推断（比如置信区间），推荐用Rubin规则计算合并方差，这样结果更严谨。

内容的提问来源于stack exchange，提问作者Seafra Barrett