.
2.处理缺失值的步骤
识别缺失数据:is.na 或complete.cases 或数据量大时用mice包的md.pattern 与VIM包的许多函数
第一列表示此种情况的缺失的观测数据有多少行.最后一列表示此种情况的缺失有几个列变量是包含缺失的...多重插补(MI):从含缺失的数据集上,产生多个模拟数据集,不包含缺失,缺失的用蒙特卡诺模拟填补,然后对模拟数据集进行统计分析,得到结果再进行分析.填补的方法有用均值,用逻辑回归填补二值变量,多元逻辑回归填补多值变量...,还包括贝叶斯线性回归,判别分析,两水平正太插补,以及随机抽样,下面是mice包的实现与原理
一起看看它到底怎么插补的:其中1.是每个变量的缺失情况 2,各变量的插补方法 3,为预测平均 下面的矩阵说明每个变量的插补参考了哪些变量...具体插补的值是多少我们也可以看看. 分别是5次模拟数据集中,dream的缺失插补值....非随机缺失(NMAR) 数据缺失不属于以上两种.处理此类缺失非常复杂. eg:去调查人们的收入情况这 一变量,那么缺失值往往是比较小的值和比较大的值,因为可能穷人不好意思说,富人不愿意说.