对线性 model 使用预测，NA 值在 R

Question

我有一个 ~32,000 的数据集，为此我创建了一个线性 model。 由于缺失，约 12,000 个观测值被删除。

我正在尝试使用预测 function 来回测我的 32,000 个数据点中的每一个的预期值，但是 [正如预期的那样]，这给出了错误“替换有 20000 行，数据有 32000”。

1. 有什么方法可以使用在 20,000 行上制作的 model 来预测 32,000 行中的 model 吗？ 对于 model 中使用的每一列都没有结果的观察结果，我很高兴得到“零”。
2. 如果不是，我如何至少正确地对 32,000 个数据集进行子集化，使其仅包含 20,000 个完整的观察值？ 例如，如果我的 model 是 lm(a ~ x+y+Z, data=data)，我将如何过滤数据以仅包含 x、y 和 z 中的完整数据的观察？

Answer 1

最好的办法是在首先安装 model 时使用na.action=na.exclude ：来自?na.exclude ，

当使用“na.exclude”时，残差和预测被填充到正确的长度，方法是为“na.exclude”省略的情况插入“NA”。

Answer 2

使用

data[complete.cases(data),]

只为您提供没有NA的观察结果。 也许这就是你要找的。

另一种方式是

na.omit(data)

它还为您提供了已删除观测值的索引。

Answer 3

使用 0 而不是缺失值的问题在于，线性 model 会将值解释为实际上是 0 而不是缺失。 例如，如果您的变量x的范围为 10-100，则 model 会将您估算的 0 解释为低于训练数据范围的观察值，并人为地为您提供低预测。 如果要对缺失值的行进行预测，则必须进行一些值插补（即，将 NA 替换为均值、中位数或使用 k 最近邻）。