Deutsches R-Forum

Hallo Zusammen,

ich habe ein Problem bei dem ich leider nicht weiter komme. Vielleicht hat ja jemand hier ja ein Idee.


Ich habe nach einer multiplen imputation auf 2 Ebenen negative Werte in 2 Variablen die auf Ebene 1 imputiert habe, die aber eigentlich unmöglich negativ sein können.
Bei mice() und amalia() gibt es wohl hinweise für constraints negativer Werte für diese Fälle im r cran skript, jedoch habe ich mit jomoimpute gearbeitet und dazu nichts finden können.
Hier der code den ich benutzt habe:

fml <- list( value ~ 1 + (1|X1) , # Level 1
v1+ v2+ v3 +v4 +v5+ v6+ v7 + v8 v +9 + v10 ~ 1) # Level2

str(Data_MM)

imp <- jomoImpute(Data_MM, formula = fml, n.burn = 5000, n.iter = 250, m = 20)

Ich habe an mehreren Messzeitpunkten Werte erhoben und die Daten ins Longformat transformiert. Die variable "value" auf Level 1 ist die, die mir Probleme bereitet. Nach der imputation transfomiere ich den Datensatz wieder ins wide-format. Value wird dann also zu drei seperaten variablen, die alle negative werte enthalten, was leider unmöglich sein kann.

Vielleicht hatte jemand hier ja schonmal ein ähnliches Problem und weiß da weiter?



Herzliche Grüße

Leni

die alle negative werte enthalten, was leider unmöglich sein kann.

Wieso unmöglich?

Soweit ich mich in jomoimoute eigelesen haben ist das ein Model-basiertes verfahren - passt denn das Model?

Bitte ein reproduzierbares Beispiel anfügen.

Unmöglich war vielleicht falsch ausgedrückt. Die Variable dessen Werte imputiert wurden kann faktisch nicht negativ sein.

Für User*innen mit ähnlichem Problem:

Mir wurde aus verlässlicher Quelle gesagt, dass solch negativen Werte in einem an sich konvergenten imputations Prozess ein eher "kosmetisches Problem" seien und solange Mittelwerte etc. der Variablen plausibel erscheinen, sei dies also nicht weiter schlimm.

Ich persönlich störte mich etwas dran und habe nun trotzdem mit mice() und der default methode des predictive mean matching gearbeitet. Bei dieser Methode können die imputierten Werte nur in der Range der zu imputierenden Variable liegen.

Liebe Grüße

Leni

Unmöglich war vielleicht falsch ausgedrückt. Die Variable dessen Werte imputiert wurden kann faktisch nicht negativ sein.

Das spricht für meine Hypothese, dass das Imputationsmodel nicht passt.