MICE 中的条形图不显示分类变量

我正在使用miceR 中的包进行多重插补。我仅使用数值变量进行了几次插补，插补方法是预测均值匹配，当我使用stripplot(imp)我可以看到所有变量的观察值和估算值。

当我估算分类变量和数值变量的组合时，就会出现问题。数值变量的插补方法是 PMM，分类变量的插补方法是逻辑回归。然后，stripplot只显示数值变量。使用下面的代码我试图强制edu，一个有 2 个值的分类变量，要绘制：

stripplot(imp, imp$edu)
stripplot(imp, names(imp$edu))

我得到了这个错误：

stripplot.mids(imp, imp$edu) 中的错误：无法填充扩展公式。

有谁知道如何绘制数值变量和分类变量的观察值和估算值？

您可以尝试的一件事是检索估算的dataset作为 data.frame 并仅使用正常的绘图功能。首先检索数据集，包括带有缺失值的原始数据集（imp 是 mouse.mids 对象，即运行小鼠的结果）

impL <- complete(imp,"long",include = T)

接下来添加一个虚拟值，指示哪些数据集被估算

impL$Imputed <- factor(impL$.imp >0,labels = c("Observed","Imputed"))

然后您可以为每个变量使用绘图函数。这样做的好处是您可以创建更好的绘图。例如使用ggplot（ggplot2 包）在分类变量上创建条形图：

ggplot(impL[which(!is.na(impL$var1)),],aes(x = var1)) + 
geom_bar(aes(y = ..prop.., group = Imputed)) + facet_wrap(Imputed ~ .,ncol=1,nrow=2)

The !is.na包含在内是为了避免绘制 NA 条。var1是您要绘制的变量。对于连续变量，您可以创建密度图。

ggplot(impL, aes(x = var2, colour = Imputed)) + geom_density()

要查看所有独特的估算，您可以添加group = .imp在 aes 括号内。希望这可以帮助