R语言中mice()函数如何确定要插补的变量？

嘿，刚好对R里mice()函数的插补逻辑挺熟的，来给你拆解下它是怎么确定要插补的变量的：

1. 默认自动识别：抓所有带缺失值的变量 #

mice()默认会自动扫描你的数据集（比如你那个Titanic训练集），只要某一列存在NA缺失值，就会把它标记为需要插补的目标变量。

• 你可以用md.pattern(training)（mice包自带的工具）快速查看缺失值分布，能直观看到哪些变量有缺失、缺失比例多少，也就知道哪些会被默认插补。

2. 手动指定插补变量（按需调整） #

如果不想让所有带缺失的变量都被插补，或者只想针对性处理某几个变量，你有两种方式控制：

• 用vars参数直接指定（简单粗暴）：比如你只想插补age和embarked，就这么写：

  imputed_data <- mice(training, vars = c("age", "embarked"), m = 5)
  

• 用predictorMatrix精细控制：这个参数可以自定义哪些变量作为插补目标，以及每个目标变量用哪些其他变量当预测器。举个例子：

  # 先生成默认的预测矩阵（maxit=0表示只生成矩阵不运行插补）
  pred_matrix <- mice(training, maxit = 0)$predictorMatrix
  # 把除了age和embarked之外的变量都设为不需要插补（对应行全设为0）
  pred_matrix[!rownames(pred_matrix) %in% c("age", "embarked"), ] <- 0
  # 用自定义矩阵运行插补
  imputed_data <- mice(training, predictorMatrix = pred_matrix, m = 5)
  

3. 排除不需要插补的变量 #

如果有些变量哪怕有缺失你也不想碰（比如乘客ID这种标识符，插补没意义），可以用exclude参数直接排除：

# 排除passengerid，不让它参与插补
imputed_data <- mice(training, exclude = "passengerid")

额外补充：预测器的选择 #

顺便提一句，mice()不仅确定要插补的变量，还会为每个目标变量选预测器（用来预测缺失值的其他变量）：

• 默认是用所有其他非完全缺失的变量当预测器，除非是类别数过多的因子变量会被自动排除。
• 你同样可以通过predictorMatrix调整，比如不想让pclass作为age的预测器，就把矩阵中age行、pclass列的值设为0。

内容的提问来源于stack exchange，提问作者Richard Golz