MICE 多重插补简介

什么是 MICE？

• MICE* (Multivariate Imputation by Chained Equations， chained equations 的多变量插补) 是一种处理缺失数据的强大统计方法。与传统的单一插补（如用均值填充）不同，MICE 通过构建多个可能的插补值来反映缺失数据的不确定性。

核心原理

MICE 采用“链式方程”的方式，对每个包含缺失值的变量分别建立回归模型。它利用其他变量作为预测因子来填补当前变量的缺失值。这个过程会迭代多次（maxit），直到结果收敛。

主要步骤

1. 插补 (Imputation)：生成 $m$ 个完整的 datasets（通常 $m=5$ 到 $m=20$）。每个数据集中缺失值被不同的随机值填充，这些值来源于预测分布。
2. 分析 (Analysis)：对这 $m$ 个数据集分别进行相同的统计分析（如回归分析）。
3. 汇合 (Pooling)：使用 Rubin 规则将 $m$ 个分析结果合并，得到最终的参数估计、标准误和置信区间。这一步充分考虑了组间变异（between-imputation variability）和组内变异（within-imputation variability）。

优势

• 保留不确定性：避免了单一插补导致的标准误低估问题。
• 灵活性：可以为不同类型的变量（连续、二元、有序分类等）指定不同的插补模型（如 pmm, logreg, polyreg）。
• 广泛适用：适用于随机缺失 (MAR) 机制下的数据。

结果展示说明

本部分描述运行 main.R 后在 R 控制台输出的关键文本内容。

1. 缺失模式矩阵 (md.pattern 输出)

• 输入命令*：md.pattern(df)
• 输出描述*：

控制台将打印一个矩阵表格。

• 行代表不同的缺失模式（例如：第一行可能显示所有变量都完整的情况，最后一行显示所有变量都缺失的情况）。
• 列代表数据集中的变量（如 age, bmi, hyp, chl）以及最右侧的“缺失总数”。
• 最底行显示每个变量缺失的总数量。
• 示例文本片段：

text age bmi hyp chl 13 1 1 1 1 0 1 1 0 1 1 1 ...

2. 插补迭代过程 (mice 函数输出)

• 输入命令*：imp <- mice(df, m = 5, ...)
• 输出描述*：

控制台将显示迭代进度信息。

• 首先显示使用的插补方法和生成的插补集数量。
• 接着显示每次迭代（iteration 1 到 5）的平均平方偏差或收敛指标，表明算法正在逐步优化插补值。
• 最后提示插补完成。
• 示例文本片段：

text iter imp variable 1 1 bmi hyp chl 1 2 bmi hyp chl ... 5 5 bmi hyp chl

3. 汇合后的模型摘要 (summary(pool) 输出)

• 输入命令*：summary(pooled_results)
• 输出描述*：

这是最终的分析结果，以数据框形式打印在控制台。

• 包含列名：term (变量名), estimate (回归系数估计值), std.error (标准误), statistic (t 值), df (自由度), p.value (P 值)。
• 关键点：这里的 std.error 和 df 是经过 Rubin 规则调整后的值，通常比单一插补的标准误更大，P 值也更保守，真实反映了缺失数据带来的不确定性。
• 示例文本片段：

text term estimate std.error statistic df p.value (Intercept) 28.5000 2.1000 13.57 15.20 0.0000 age -0.2500 0.1200 -2.08 14.50 0.0550

4. 收敛诊断图 (plot 输出描述)

• 输入命令*：plot(imp)
• 输出描述*：

虽然不展示图片，但此命令会在图形设备中弹出窗口。

• 横轴为迭代次数，纵轴为插补值（均值或特定分位数）。
• 图中会有多条线（对应 m=5 个插补集）。
• 文字解读：如果线条在几次迭代后趋于平稳并在一定范围内随机波动（像毛毛虫一样），说明插补链已收敛；如果线条呈现明显的趋势或未混合在一起，则可能需要增加迭代次数 (maxit)。