第一次发布，希望有所帮助。
[我正在尝试使用amelia来通过单个期望最大化估算来估算我的数据。但是，我的样本中有两个小组，其中一些没有收到所有调查项目。因此，我不想为这些参与者做出回应。如果参与者对'yes'项目回答'Seen.Psychologist'，则向他们展示所有项目；如果他们回答'no'，则没有给他们显示16个项目，因为它们无关紧要。这些参与者未收到以下变量：CulturalSafety_var，"Practical"，"Referral"和"Wait.time"。
我当前的估算如下。
am_imp = amelia(x = data[,c(SafetyBehaviour_var, CulturalSafety_var, Anxiety_var, SelfStigma_var, Disclosure_var, PublicStigma_var, Motivation_var, NonAttendance_var, "Employment", "Education", "Referral", "Ethnicity", "Wait.time", "Practical")], noms=c("Practical"), m = 1, boot.type = "none")
一种选择是不将这些项目包括在插补中，但随后在脚本的其余部分中将遇到其他问题。例如，当我将估算数据与原始数据集结合在一起时。
解决该问题的另一种方法（由我的主管建议）如下：1.使用整个样本，仅使用每个人都应该看到的变量进行第一轮估算。2.如果参与者对看心理学家表示同意并仅使用那些参与者，则仅对呈现的变量进行第二轮估算。3.将（＃2）的推算数据与变量上的行合并在一起，以供未曾见过心理学家的参与者使用（一大堆完全丢失的数据）4.合并（绑定）来自＃1和＃3的推算数据集以及未应用推算的任何其他剩余变量，请注意数据集中参与者的排序。
然而，这意味着归因于仅基于变量的子集而不会那么精确。
我希望有一个很棒的阿米莉亚大师，他可能会建议我可以尝试....
预先感谢，感谢您阅读我的冗长的问题:)
您的主管的建议对我来说很有意义。考虑下表：
seen psych. Imp. 1 (restr.) Imp. 2 (ext.) used
FALSE TRUE FALSE Imp. 1
TRUE TRUE TRUE Imp. 2
第一列将您的样本分为两个子样本，无论是否看过心理学家。 Imp*列指示是否包括在插补中。 used列显示将用于rbind最终数据集的内容。
Imputation 1应用于限制变量集，即可共同用于整个样本的信息。
Imputation 2适用于仅适用于seen psych. == TRUE的扩展变量集。它认为扩展变量CulturalSafety_var, Practical, ...是推算的（并且还使用其他变量进行预测！）。在这里，您可以使用Imp. 1（为seen psych. == TRUE设置）作为应该已经完成的基础。
如used栏中所示，对于seen psych. == FALSE仅使用Imp. 1。对于seen psych. == TRUE，我们使用Imp. 2，其中包括Imp. 1和新估算的扩展变量。 Imp. 1变量在Imp. 2中不应再更改。扩展变量使用最大的信息进行插补；您可能无法使用seen psych. == FALSE来预测扩展变量，因为没有任何信息。
因此，在最终的rbind数据集中，所有限制变量都应完整，并且扩展变量应缺少seen psych. == FALSE。
（（您可以考虑在如上所述的插补seen psych. == TRUE的restricted变量之间进行权衡，或者包括扩展变量以进行预测。但是，在后一种情况下，您只能使用seen psych. == TRUE子集进行插补，您将丢失seen psych. == FALSE的所有信息，并且插补结果会更糟。）]