基于R的mice与semTools包：分组插补数据的多组SEM实现问询

嘿，这个问题问到点子上了！按分组变量分别插补确实能更精准地保留每组的独特分布特征，比全数据集一刀切插补要严谨得多，尤其是当组间差异比较明显的时候。我来给你一步步拆解具体实现方法，还有那些容易踩的坑：

首先得把数据集按分组变量拆解开，对每组单独做插补，再把插补后的数据集整合成runMI能识别的格式：

1. 拆分原始数据集
   用split()函数按分组变量（比如性别gender）把数据拆成多个子数据集：

   # 假设你的原始数据是df，分组变量是gender（取值为"male"和"female"）
   grouped_data <- split(df, df$gender)
   

2. 对每组单独执行插补
   用lapply()循环对每个子数据集运行mice，这里要注意每组的插补方法可以按需调整（比如某组的二分类变量用logreg，连续变量用pmm）：

   library(mice)
   set.seed(123) # 设置种子保证结果可重复
   imputed_groups <- lapply(grouped_data, function(group_df) {
     # 自定义插补方法，比如针对不同变量类型设置
     method_vec <- rep("pmm", ncol(group_df))
     method_vec[names(group_df) %in% c("binary_var1", "binary_var2")] <- "logreg"
     # 执行插补，m是插补次数，建议组样本量小时设为10-20
     mice(group_df, m = 10, method = method_vec, printFlag = FALSE)
   })
   

3. 整合插补数据集
   runMI需要的是一个包含m个完整插补数据集的列表（每个数据集包含所有分组），所以我们要把同一插补次数下的各组数据合并：

   # 生成m个完整的插补数据集
   m <- 10 # 和上面插补的次数一致
   full_imputed_list <- lapply(1:m, function(imp_num) {
     # 提取每组第imp_num次的插补结果
     male_imp <- complete(imputed_groups[["male"]], action = imp_num)
     female_imp <- complete(imputed_groups[["female"]], action = imp_num)
     # 合并成完整数据集
     rbind(male_imp, female_imp)
   })
   

接下来就可以用semTools的runMI函数来拟合多组结构方程模型了，步骤和常规多组SEM类似，但要注意适配插补数据的格式：

1. 编写Lavaan模型语法
   比如要做带测量不变性检验的多组模型，语法里可以指定组间约束：

   model_sem <- '
     # 测量模型
     潜因子1 =~ x1 + x2 + x3
     潜因子2 =~ x4 + x5 + x6
     # 结构模型
     潜因子2 ~ 潜因子1
     # 测量不变性约束（以configural不变性为例，后续可逐步加约束）
     潜因子1 =~ c(1,1)*x1 # 固定两组的第一个指标负荷为1（锚点）
     潜因子1 =~ c(NA,NA)*x2 + c(NA,NA)*x3
     潜因子2 =~ c(1,1)*x4
     潜因子2 =~ c(NA,NA)*x5 + c(NA,NA)*x6
     潜因子2 ~ c(NA,NA)*潜因子1
   '
   

2. 调用runMI拟合模型
   指定mi="list"因为我们传的是插补数据集列表，group参数设置分组变量：

   library(semTools)
   library(lavaan)
   set.seed(456)
   fit_mi_multi <- runMI(
     model = model_sem,
     data = full_imputed_list,
     group = "gender",
     mi = "list",
     fun = "sem", # 如果是验证性因子分析就用"cfa"
     fit.measures = TRUE
   )
   # 查看合并后的结果
   summary(fit_mi_multi, standardized = TRUE, fit.measures = TRUE)
   

• 组特异性插补方法：不要给所有组用统一的插补方法，要根据每组内变量的分布和类型调整（比如某组的有序分类变量用polr，而不是默认的pmm）。
• 插补次数的选择：如果某组的样本量较小（比如n<50），建议把插补次数m提高到15-20，减少抽样误差对结果的影响。
• 测量不变性的检验逻辑：按分组插补后，检验测量不变性的步骤和常规多组SEM一致（从configural到metric再到scalar），但所有检验都要基于runMI输出的合并结果，不能单独对某个插补集做检验。
• 变量一致性：拆分数据集前，必须确保所有组的变量名称、类型完全一致，哪怕某组的某个变量没有缺失，也要保留该变量列，否则合并后会出现变量不匹配的错误。
• 结果可重复性：插补和模型拟合时都要设置set.seed()，这样别人能复现你的结果。
• 绝对不能搞反顺序：一定要先分组再插补，绝对不能先全数据集插补再分组——后者会抹杀掉组内的独特关联结构，完全失去分组插补的意义。

内容的提问来源于stack exchange，提问作者S Atkins