finalfit::missing_compare:未找到对象时出错
我正在使用finalfit::missing_compare:未找到对象时出错,r,na,missing-data,R,Na,Missing Data,我正在使用finalfit包对丢失的数据运行测试 我有一个数据集,它有11046个obs和27个变量。我有不止一个因变量,因为我以后需要用Lavan进行验证性因素分析。可以找到数据集 错误所指的g对象是什么 这是ff_scape > sl_cfa %>% + ff_glimpse(dependent, explanatory_edu) Continuous # A tibble: 11,046 x 0 Categorical label var
finalfit
包对丢失的数据运行测试
我有一个数据集,它有11046个obs和27个变量。我有不止一个因变量,因为我以后需要用Lavan进行验证性因素分析。可以找到数据集
错误所指的g
对象是什么
这是ff_scape
> sl_cfa %>%
+ ff_glimpse(dependent, explanatory_edu)
Continuous
# A tibble: 11,046 x 0
Categorical
label var_type n missing_n missing_percent levels_n levels levels_count
br_logical br_logical <lgl> 6398 4648 42.1 2 - -
ch_edu ch_edu <lgl> 11046 0 0.0 2 - -
a4g_4 a4g_4 <lgl> 8723 2323 21.0 2 - -
levels_percent
br_logical -
ch_edu -
a4g_4 -
这给了我这个情节
我们可以看到,Chu_edu
似乎是MAR,而a4g_4
似乎是MCAR
PS
有足够声誉的人会为finalfit
和missing\u compare
功能创建标签吗?非常感谢谢谢
这里使用的一个底层函数正在被重新编写,由tibbles引起的问题很可能会消失
目前,您可以:
library(finalfit)
explanatory_edu <- c("ch_edu", "a4g_4")
sl_cfa %>%
data.frame() %>%
missing_compare(dependent, explanatory_edu)
#> Missing data analysis: br_logical Not missing Missing p
#> ch_edu FALSE 4203 (65.7) 1730 (37.2) <0.001
#> TRUE 2195 (34.3) 2918 (62.8)
#> a4g_4 FALSE 2548 (50.5) 1774 (48.2) 0.034
#> TRUE 2496 (49.5) 1905 (51.8)
库(finalfit)
解释性教育单位%
data.frame()%>%
缺少比较(依赖性、解释性)
#>缺少数据分析:br_逻辑不缺少p
#>ch_edu FALSE 4203(65.7)1730(37.2)TRUE 2195(34.3)2918(62.8)
#>a4g_4假2548(50.5)1774(48.2)0.034
#>真2496(49.5)1905(51.8)
正如您所提到的,变量
chu edu
中的缺失与br\u logical
密切相关 谢谢,那很好!还有一个问题,关于如何解释p值,是否有任何指导方针/经验法则(当然还有解释p值的所有警告)?类似于:>0.05是MCAR,介于0和0.05之间是MAR,低于0是MNAR?(我只是想提出一个想法)谢谢。不,恐怕p值不能这样解释。您可以说的是,数据似乎不是MCAR,因此可能是MAR或MNAR。
> sl_cfa %>%
+ ff_glimpse(dependent, explanatory_edu)
Continuous
# A tibble: 11,046 x 0
Categorical
label var_type n missing_n missing_percent levels_n levels levels_count
br_logical br_logical <lgl> 6398 4648 42.1 2 - -
ch_edu ch_edu <lgl> 11046 0 0.0 2 - -
a4g_4 a4g_4 <lgl> 8723 2323 21.0 2 - -
levels_percent
br_logical -
ch_edu -
a4g_4 -
sl_cfa %>%
missing_pairs(dependent, explanatory_edu, position = "fill")
library(finalfit)
explanatory_edu <- c("ch_edu", "a4g_4")
sl_cfa %>%
data.frame() %>%
missing_compare(dependent, explanatory_edu)
#> Missing data analysis: br_logical Not missing Missing p
#> ch_edu FALSE 4203 (65.7) 1730 (37.2) <0.001
#> TRUE 2195 (34.3) 2918 (62.8)
#> a4g_4 FALSE 2548 (50.5) 1774 (48.2) 0.034
#> TRUE 2496 (49.5) 1905 (51.8)