Hmisc：如何将reformM 的结果作为参数包含在aregImpute 中？答案

【问题标题】：Hmisc: How do I include the results of reformM as an argument in aregImpute?Hmisc：如何将reformM 的结果作为参数包含在aregImpute 中？
【发布时间】：2020-05-23 10:26:50
【问题描述】：

我正在使用 Hmisc 包中的 aregImpute 来估算数据集中的缺失值。由于结果对公式中变量的顺序不是不变的，所以我使用reformM函数生成了多个随机公式排列：

reformM(~ x1 + x2 + x3..., data = d, nperm = Z)

函数返回一个列表。

我查看了帮助文件，但不清楚如何将结果传递给aregImpute。

是否可以传递对象以使aregImpute 将迭代不同的组合以评估任何可变性？也就是说，是否可以将多个排列传递给aregImpute？如果不是，我是否只需使用新的变量顺序创建一个新公式？

【问题讨论】：

标签： r hmisc

【解决方案1】：

您当然可以使用map 将reformM 传递给aregImpute。下面，我提供一个最小的例子。也就是说，我确实认为重新排序变量是一个更好的主意，以便首先估算具有较高缺失数据率的变量。

library(missForest)
library(tidyverse)
iris_miss <- prodNA(iris,0.10)  ## make every variable missing at 10% 
## factorial(ncol(iris_miss))  ## number of possible permutations
permlist <- reformM( as.formula(paste(" ~ ", names(iris_miss) %>% str_flatten( " + "))), data=iris_miss, nperm=10 ) ## get 10 permutations 
map(permlist, aregImpute, nk=3, n.impute=5, data= iris_miss)

【讨论】：