Hierarchische Multiple Impuatation enthählt / fehlerhafte / nicht mögliche / Werte
Verfasst: Mi Aug 18, 2021 10:09 am
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
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