如何在缺少数据的回归模型上使用anova()？
如何在缺少数据的回归模型上使用anova()？
提问于 2019-09-25 21:57:16
我正在尝试对具有200-400个观测值的回归模型(LMERs)运行anovas，所以我不想丢弃基于任何丢失数据的观测值。
这就是我面临的问题，简单且可重现：
dats <- data.frame(y = c(5, 3, 7, 4, 8, 4, 7, 3, 6, 3),
x = c(1, 2, 1, 2, 1, 1, 2, 1, 2, 1),
z = c(NA, 5, 6, 7, 8, 5, 4, 3, 2, 2))
fit1 <- lm(y ~ x, data = dats, na.action = "na.omit")
fit2 <- lm(y ~ x + z, data = dats, na.action = "na.omit")
anova(fit1, fit2)以及我遇到的错误：
Error in anova.lmlist(object, ...) : models were not all fitted to the same size of dataset
主要是，我需要运行这些ANOVA来了解LMERs中边际R^2的变化是否具有统计学意义。有没有办法在不丢失数据的情况下运行这些回归和方差分析？
回答 1
Stack Overflow用户
发布于 2019-09-25 23:02:27
免责声明:我更喜欢贝叶斯，并不喜欢NHST的世界观。
就像@denis一样，我很确定答案是“不”。ANOVA被设计用于相同的数据，因为它是基于比较平方和误差的名义上的。
最明显的选择是排除相同的行：
d2 <- na.omit(dats[,c('x','y','z')])
f1 <- lm(y ~ x, data=d2)
f2 <- lm(y ~ x + z, data=d2)
anova(f1, f2)这显然会丢弃数据，或者您可以归因于丢失的数据：
i <- na.action(d2)
d3 <- dats
d3$z[i] <- predict(lm(z ~ x*y, dats), dats[i,])
f1 <- lm(y ~ x, data = d2)
f2 <- lm(y ~ x + z, data = d2)
anova(f1, f2)但这将低估方差。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58100118
复制相关文章
相似问题
腾讯云开发者
