多重插补：SMCFCS对象转MICE生成收敛绘图报错如何解决

报错原因 #

mice包自带的plot()（追踪收敛图）和densityplot()函数依赖mids对象中存储的每一轮迭代的插补值、链追踪数据，你通过miceadds::datlist2mids转换得到的mids对象仅保留了最终插补完成的数据集，缺失迭代过程的链信息，因此调用绘图函数时会报错。

解决方案 #

方案1：使用smcfcs原生诊断逻辑+手动绘图（更推荐） #

smcfcs本身输出了迭代过程的模型系数序列可做收敛校验，插补值分布可直接遍历插补数据集绘制对比图，适配性更高：

# 1. 系数收敛校验：绘制每一轮迭代的Cox模型系数轨迹
# 绘制第1个插补链的系数迭代值，替换[,,2]可查看第2个链
matplot(
  db.imputed$smCoefIter[,,1], 
  type = "l", lty = 1,
  xlab = "迭代轮数", ylab = "Cox模型系数值",
  main = "插补过程系数收敛图"
)
legend("topright", legend = c("sex", "ph.ecog"), col = 1:2, lty = 1)

# 2. 插补值密度校验：以age变量为例
library(ggplot2)
# 提取所有插补数据集的age插补值
na_age_pos <- is.na(data$age)
imp_age <- lapply(db.imputed$impDatasets, function(x) x$age[na_age_pos])
imp_age_df <- data.frame(
  value = unlist(imp_age),
  group = rep(paste0("插补链",1:length(imp_age)), each = length(imp_age[[1]]))
)
# 加入原始非缺失age作为参考
obs_age_df <- data.frame(value = data$age[!na_age_pos], group = "原始观测")
plot_df <- rbind(imp_age_df, obs_age_df)

# 绘制密度对比图
ggplot(plot_df, aes(x = value, color = group)) +
  geom_density(linewidth = 1) +
  labs(x = "年龄", y = "密度", title = "age变量插补值与观测值密度对比") +
  theme_bw()

方案2：构造完整mids对象复用mice绘图工具 #

如果需要直接使用mice的绘图接口，可手动补全mids对象的缺失字段：

# 提取原始数据缺失位置
na_pos <- is.na(data)
# 构造插补值列表
imp_list <- list()
for (var in colnames(data)) {
  if (sum(na_pos[,var]) > 0) {
    imp_list[[var]] <- do.call(cbind, lapply(db.imputed$impDatasets, function(x) x[na_pos[,var], var]))
    colnames(imp_list[[var]]) <- paste0("Chain", 1:ncol(imp_list[[var]]))
  }
}
# 初始化mids对象
db.mice_full <- mice(
  data, 
  m = length(db.imputed$impDatasets), 
  maxit = db.imputed$numit, 
  predictorMatrix = predMatrix, 
  method = method,
  printFlag = FALSE
)
# 替换插补值与迭代系数
db.mice_full$imp <- imp_list
db.mice_full$chainMean <- apply(db.imputed$smCoefIter, c(3,1), as.vector)

# 可正常调用mice绘图函数
densityplot(db.mice_full)
plot(db.mice_full)

注意：smcfcs的插补迭代逻辑与mice存在差异，系数收敛性的参考价值高于插补值轨迹图，优先使用方案1做校验。

内容的提问来源于stack exchange，提问作者Rudolph