缺失值的插补答案

【问题标题】：Imputation of missing values缺失值的插补
【发布时间】：2013-07-08 10:22:31
【问题描述】：

我想根据变量其他值的分布来估算数据集中的缺失值。

假设 30 % 的值 = 1、20 % = 2 和 50 % = 3，实际上我想做以下事情：

impute(var,1) # for 30 % of the NA occurrences #
impute(var,2) # for 20 % of the NA occurrences #
impute(var,3) # for 50 % of the NA occurrences #

有人可以帮忙吗？

约翰

【问题讨论】：

【解决方案1】：

我想根据变量其他值的分布来估算数据集中的缺失值。

我对 Tibshirany 的 pamr 软件包非常满意。它基于缺失数据点的 k 个最近邻进行插补。简单地调用：

imputed.matrix  <- pamr.knnimpute(list(x==matrix.with.missing.data))[['x']]

通常工作正常。

请注意，pamr.knnimpute 是不确定的；不过，所有估算对的典型相关性 > 0.9。

【讨论】：

【解决方案2】：

如果我理解正确的话：

var[is.na(var)] <- sample(1:3, sum(is.na(var)), replace=TRUE, prob=c(0.3,0.2,0.5))

【讨论】：

这将返回值 2,1,2,2,1,2,2,1,2,2 和以下警告：在 var[is.na(var)]
谢谢詹姆斯，这似乎仍然无法正常工作。运行代码 5 次，我得到 20 x 1、9 x 2 和 21 x 3，这对应于概率 p(1)=0.4、p(2)=0.18 和 p(3)=0.42。也许运行足够的重复，概率会收敛到所需的水平。