R实现多重插补和其可视化

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

接着对前文数据集进行多重插补来填补缺失值，利用的是mice包中的airquality数据集，关于R实现缺失值的识别和可视化可看前文，并且此处对原理将不再赘述
关于R实现缺失值的可视化

一、进行多重插补

mice包中的mice()函数可以对数据集进行缺失值的填补，通过?mice可以看到mice函数的具体细节。其中参数
m表示多重填补法的填补矩阵数，默认为5次；
maxit表示最大迭代次数，默认5次；
method表示可以使用的多种算法，可以看到内部有pmm（预测平均值配对法），rf（随机森林插补法）等，当然也有着针对多元因子变量缺失值的填补。此处使用随机森林模型进行缺失值的多重插补

> #多重插补
> library(mice)
> x <- mice(airquality, m=5, maxit = 50, method = 'rf', seed = 500)

 iter imp variable
  1   1  Ozone  Solar.R
  1   2  Ozone  Solar.R
  1   3  Ozone  Solar.R
  1   4  Ozone  Solar.R
  1   5  Ozone  Solar.R
  2   1  Ozone  Solar.R
  2   2  Ozone  Solar.R
  2   3  Ozone  Solar.R
  2   4  Ozone  Solar.R
  2   5  Ozone  Solar.R
  3   1  Ozone  Solar.R
  3   2  Ozone  Solar.R
  3   3  Ozone  Solar.R
  3   4  Ozone  Solar.R
  3   5  Ozone  Solar.R
#...省略结果

通过其中的imp可以得到插补的情况，

> #查看填补结果
> x$imp
$Ozone
     1   2   3   4   5
5   21  34  23  11  18
10  28  11  23  11  19
25   8   6  20   1  19
26  16  32  30  45  19
27  20  18  37  14 108
#...省略结果

其中第一列代表着对应的行数，后五列分别是五次插补得到的值。

二、多重插补结果可视化

通过stripplot()函数可以得到缺失值插补的情况，红色的点代表了插补的数据，由上文可知只有Ozone和Solar.R含有缺失值，所以只有这两个变量进行了填补。

stripplot(x, col=c("grey",mdc(2)),pch=c(1,20))

再对五次填补进行分组观察，第一张图表达着原始数据，后五张图分别代表了五次插补的情况，红色的点代表了插补值，可以看出第一种插补较好

xyplot(x , Ozone ~  Solar.R | .imp, pch=20,cex=1.2)

三、结果评估与结果选择

mice包中的with()函数进行插补结果的评估，此处利用了广义线性模型进行模型评估，根据P值可以进行最显著模型的选择，可以发现第一组情况较好。

> #评估模型
> fit <- with(x,glm(Ozone ~ Wind   Solar.R   Temp))
> summary(fit)
# A tibble: 20 × 6
   term        estimate std.error statistic  p.value  nobs
   <chr>          <dbl>     <dbl>     <dbl>    <dbl> <int>
 1 (Intercept) -58.5      19.4        -3.02 2.96e- 3   153
 2 Wind         -3.11      0.556      -5.59 1.05e- 7   153
 3 Solar.R       0.0514    0.0201      2.56 1.16e- 2   153
 4 Temp          1.55      0.216       7.19 2.88e-11   153
 5 (Intercept) -55.7      21.5        -2.60 1.04e- 2   153
 6 Wind         -3.15      0.617      -5.10 1.03e- 6   153
 7 Solar.R       0.0754    0.0223      3.38 9.24e- 4   153
 8 Temp          1.48      0.238       6.23 4.42e- 9   153
 9 (Intercept) -57.0      20.0        -2.84 5.09e- 3   153
10 Wind         -2.78      0.575      -4.84 3.23e- 6   153
11 Solar.R       0.0653    0.0208      3.14 2.05e- 3   153
12 Temp          1.45      0.223       6.51 1.07e- 9   153
13 (Intercept) -33.5      22.1        -1.52 1.32e- 1   153
14 Wind         -3.75      0.634      -5.92 2.17e- 8   153
15 Solar.R       0.0415    0.0230      1.80 7.32e- 2   153
16 Temp          1.34      0.247       5.44 2.10e- 7   153
17 (Intercept) -48.6      20.4        -2.39 1.82e- 2   153
18 Wind         -2.94      0.585      -5.03 1.40e- 6   153
19 Solar.R       0.0549    0.0211      2.60 1.02e- 2   153
20 Temp          1.41      0.227       6.19 5.54e- 9   153

最后对插补数据进行选择，这里选择第一次插补的结果

> #选择填补值
> result4=complete(x,action=1)
> head(result4)
  Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    21      99 14.3   56     5   5
6    28     299 14.9   66     5   6

这篇好文章是转载于：学新通技术网