使用mice插补缺失值后观测数多于原始数据集的问题排查

• 你在调用mice()函数时设置了参数m=5，该参数的作用是生成5个相互独立的缺失值插补数据集，这是多重插补方法的标准设置。
• 后续调用complete()导出插补结果时使用了action="long"参数，该参数会将所有m个插补数据集按行堆叠成长格式输出，因此最终得到的数据集行数为原始行数27727 * 5 = 138635，属于符合预期的正常行为，并非代码运行出错。

根据你的实际使用需求选择对应处理方式即可：

• 如果你只需要单个插补后的数据集开展后续分析，将complete()的action参数修改为对应插补集的序号即可，比如要取第一个插补集，代码修改为：

  impdat <- complete(tempData, action=1)
  

  此时输出的impdat行数和原始数据集完全一致。
• 如果你要遵循多重插补的标准统计流程，不建议手动提取单个插补集或长格式数据，应该使用with()函数对每个插补集分别建模，再用pool()函数合并多个插补集的统计结果，参考代码如下（以线性回归为例）：

  # 对每个插补数据集拟合模型
  fit <- with(tempData, lm(k7 ~ k17 + d1a1x + bmgc23g))
  # 合并5个插补集的模型结果
  pooled_fit <- pool(fit)
  # 查看合并后的显著性检验结果
  summary(pooled_fit)
  

• 如果你确实需要用到长格式的插补结果，可以通过数据集中自动生成的.imp列区分不同的插补集，该列取值1~5分别对应5个插补结果，每个分组的行数均为27727即可确认数据正常。

内容的提问来源于stack exchange，提问作者J33T