如何預測R中的數據缺少值

Question

我有一個大小為60的數據集，所有觀察值都具有相同的變量。 其中30個具有獲勝值（y），而我已刪除其中30個以作預測。

在sas中，當您希望模型預測未知的y值（結果）時，可以在數據行中為Y值放置一個點並運行回歸。 該模型將基於具有Y值的30個觀測值，然后針對沒有Y值的30個觀測值進行預測。

在r中，我將要預測的那些觀測值的Y值作為NA。 但是，該模型將忽略那些缺失的值，而不給出這些觀測值的預測結果。

如何讓模型預測缺少的Y變量的值？

Answer 1

如果您要嘗試對樣本數據進行預測，請執行以下操作：

# Here I just generate some data, since no provided
X <- matrix(data = rnorm(400), ncol = 4)
B <- c(0.5, -0.5, 2, 0)
y <- X %*% B
dt <- data.frame(cbind(y, X))
names(dt) <- c("y", paste0("x", 1:4))

# Start with estimation on in-sample 
train_dt <- dt[1:50, ]
mod <- lm(formula = y ~ ., data = train_dt)

# Predict on out of sample
that <– predict(object = mod, newdata = dt[51:100, ])

# Calculate error, should be almost the same
eps <- yhat - y[51:100]

# In this example should be close to zero
all(eps) < 1e-10)