填充方法：日体重与日采食 • tidypptsda

library(tidypptsda)
library(data.table)

测定站的记录几乎不可能每天都有：猪某天没进站、耳标没读到、设备故障，或者进站晚、出栏早。tidypptsda 不绕开缺失，而是先把计算区间（默认 30–120 kg）内的每一天都补上体重和采食量，再计算日增重（ADG）、日采食量（ADFI）和料肉比（FCR）。补的方法取决于缺失的位置：在两个有记录的日子之间，还是在首个记录之前、末个记录之后。

本文用一头示例猪逐步演示每一种填充，说明它由哪个参数控制、结果里用什么标签标出。

1. 逐步演示

下面这头猪来自示例数据 nedap。为了让每种情况都出现，人为删掉了它的一部分访问：区间开头 12 天（晚进站）、中间 2 天（短缺口）、中间 6 天（长缺口）和结尾 8 天（早出栏）。图中所有的点和线都是包实际算出来的结果。点 ▶ 播放 自动演示，也可以用 上一步 / 下一步 逐步查看。

实测 / 无错误校正中间填充首尾填充空心：不用的记录 / 群体曲线

2. 位置、方法与参数一览

缺失位置	体重：方法	体重：参数	`source`	采食：方法	采食：参数	`state`
有记录的日子	当天有效记录的中位数	`weight_range`、`adapt_days`、`weight_track`、`weight_outlier`	`observed`	记录值；有错误访问时混合模型校正	`dfi_correct`、`dfi_range`、`dfi_quantile`	`org` / `corr`
两个有记录的日子之间，≤ 3 天	线性插值	—	`interpolated`	稳健 LOESS	`long_gap_days`、`loess_span`	`iii`
两个有记录的日子之间，> 3 天	线性插值	—	`interpolated`	群体曲线 × 个体比例	`impute_method = "loess_pop"`	`iii`
首个记录之前（晚进站）	切线外推	`curve_extrap = "start"`、`max_extrap_days`	`curve`	群体曲线 × 个体比例	`impute_method = "loess_pop"`	`elrp`
末个记录之后（早出栏）	生长曲线	`curve_model`、`max_extrap_days`	`curve`	这头猪自己的”日采食 ~ 体重”回归	`impute_method`	`elrp`
外推后仍到不了 30 或 120 kg	不填，只算覆盖到的部分	`max_extrap_days`	—	只在覆盖到的部分计算	—	—

几点说明：

“有记录”对体重和采食分别判断。进站后 7 天的适应期内，体重不用，但采食照常计入；所以同一天可能体重是填充的，采食是实测的。
体重的”首尾”以有效体重记录为界，采食的”首尾”以有采食记录的日子为界，两者不一定是同一天。
采食插补用的体重，是上一步补齐后的日体重（adg$daily$weight_filled）。所以体重填充的方法也会影响采食的填充。
所有填充只在计算区间内进行，区间之外的日子不补。

3. 每种方法的细节

体重：线性插值

前后两个有记录日子的日体重之间连成直线。中间缺失时，前后两天的实测最能说明这头猪当时的状态；在示例数据上，人为隐藏中间的日子再填回，线性插值的日体重误差约 0.8 kg，用生长曲线约 1.1–1.6 kg（见《方法验证》）。

体重：首尾外推

`curve_extrap`	首个记录之前	末个记录之后
`"start"`（默认）	切线：首 14 天记录的稳健斜率	生长曲线
`"tangent"`	切线	切线：末 14 天记录的稳健斜率
`"curve"`	生长曲线	生长曲线

切线的斜率限制在 0.2–1.5 kg/d。二次、三次曲线往记录外推几周时容易弯折；在 457 头 NEDAP 猪的无泄露检验中，开头缺 20 天时，开头用切线使 ADG 误差从 81 降到 66 g/d、FCR 排名相关从 0.82 升到 0.86。末端用切线虽然 ADG 更准，但采食是按体重外推的，FCR 排名反而变差，所以默认只在开头用切线。

采食：群体曲线 × 个体比例

日采食 = r × f(体重)

f：全部猪区间内有记录日子的二次回归 日采食 ~ 体重 + 体重²；有 breed 列时，不少于 10 头的品种各拟合一条，其余的猪用全群曲线；超出拟合时的体重范围，取端点的值。曲线系数在 adfi$pop_curve 中。
r：这头猪有记录日子的采食之和 ÷ 同样日子上 f 之和，再按记录天数 n 向 1 收缩（权重 n / (n + 10)）。
曲线提供采食随体重变化的形状，r 保留这头猪自己的水平。

采食：末端用单猪回归

末个记录之后，用这头猪全部有记录日子的 日采食 ~ 体重 线性回归外推（结果不小于 0）。早出栏的猪，末期采食的上升趋势已经在它自己的数据里；群体二次曲线在高体重段变平，在无泄露检验中平均每天低估 43–129 g，会让早出栏的猪显得更省料。

采食：短缺口 LOESS

两个有记录日子之间不超过 long_gap_days 天的缺口，用日采食对日期的稳健 LOESS 平滑（loess_span，默认 0.75）插补。缺口短时，前后几天的采食最能代表当时的水平。

4. 改用其他方法

# 两端都用生长曲线外推（1.4.0 之前的做法）
qc_config(curve_extrap = "curve")
# 长缺口和两端都用这头猪自己的回归（1.3.0 之前的做法）
qc_config(impute_method = "loess_lm")
# 晚进站多、记录短的批次：直线生长曲线
qc_config(curve_model = "poly1", stage_range = c(60, 120))

换方法之前，先用 validate_truncation() 在自己的数据上比较：它删掉一部分猪若干天的全部访问后重跑整个流程，与全部数据的结果比较，不会有被隐藏的信息泄露回来（见《方法验证》）。

res <- validate_truncation(
  visits,
  settings = list(default = qc_config(),
                  curve   = qc_config(curve_extrap = "curve"),
                  lm      = qc_config(impute_method = "loess_lm")),
  scenarios = c("late20", "early20", "gap10")
)
res$summary[trait == "fcr"]

5. 填了多少，怎么查

a$per_pig[responder == pig, .(adg, adg_type, n_observed_days, n_interpolated_days,
                              n_curve_days, extrap_days_start, extrap_days_end)]
#>         adg     adg_type n_observed_days n_interpolated_days n_curve_days
#>       <num>       <char>           <int>               <int>        <int>
#> 1: 1207.561 extrapolated              41                   8           26
#>    extrap_days_start extrap_days_end
#>                <num>           <num>
#> 1:          14.75088        10.97878
f$per_pig[responder == pig, .(adfi, coverage, n_observed, n_interpolated, n_extrapolated,
                              n_extrap_start, n_extrap_end)]
#>        adfi coverage n_observed n_interpolated n_extrapolated n_extrap_start
#>       <num>    <num>      <int>          <int>          <int>          <int>
#> 1: 2750.359     0.64         48              8             19              8
#>    n_extrap_end
#>           <int>
#> 1:           11

a$daily$source 和 f$daily$state 标出每一天的来源；plot_adg() 和 plot_adfi() 用不同的颜色画出来。
填充的天数越多，结果越依赖模型。calc_fcr() 会把两端连续填充超过 max_edge_extrap_days（15）天、或采食实测比例低于 min_coverage（0.7）的猪标为 low_confidence。