我试图探索在数据集中输入缺失值的方法。我的数据集包含年份(2001-2009),月份(1-12),性别(M/F)和年龄组(4组)的发生次数(非自然,自然和总数)。预测/输入R中泊松GLM回归的缺失值?
我正在探索的一种插补技术是(泊松)回归插补法。
说我的数据是这样的:
Year Month Gender AgeGroup Unnatural Natural Total
569 2006 5 Male 15up 278 820 1098
570 2006 6 Male 15up 273 851 1124
571 2006 7 Male 15up 304 933 1237
572 2006 8 Male 15up 296 1064 1360
573 2006 9 Male 15up 298 899 1197
574 2006 10 Male 15up 271 819 1090
575 2006 11 Male 15up 251 764 1015
576 2006 12 Male 15up 345 792 1137
577 2007 1 Female 0 NA NA NA
578 2007 2 Female 0 NA NA NA
579 2007 3 Female 0 NA NA NA
580 2007 4 Female 0 NA NA NA
581 2007 5 Female 0 NA NA NA
...
做一个基本的GLM回归之后 - 96观察已经由于他们是失踪删除。
R中有没有一种方法/包/函数可以使用这个GLM模型的系数'预测'(也就是推测)Total的缺失值(即使它只是将它存储在一个单独的数据框中 - 我将使用Excel来合并它们)?我知道我可以使用这些系数来预测不同的分层排 - 但这会持续下去。希望有一步功能/方法?
Call:
glm(formula = Total ~ Year + Month + Gender + AgeGroup, family = poisson)
Deviance Residuals:
Min 1Q Median 3Q Max
-13.85467 -1.13541 -0.04279 1.07133 10.33728
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 13.3433865 1.7541626 7.607 2.81e-14 ***
Year -0.0047630 0.0008750 -5.443 5.23e-08 ***
Month 0.0134598 0.0006671 20.178 < 2e-16 ***
GenderMale 0.2265806 0.0046320 48.916 < 2e-16 ***
AgeGroup01-4 -1.4608048 0.0224708 -65.009 < 2e-16 ***
AgeGroup05-14 -1.7247276 0.0250743 -68.785 < 2e-16 ***
AgeGroup15up 2.8062812 0.0100424 279.444 < 2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for poisson family taken to be 1)
Null deviance: 403283.7 on 767 degrees of freedom
Residual deviance: 4588.5 on 761 degrees of freedom
(96 observations deleted due to missingness)
AIC: 8986.8
Number of Fisher Scoring iterations: 4
感谢您的快速响应!我会看看?predict.glm!关于失踪 - 基本上,2007年和2008年的几个月都不见了(对于男性和女性以及所有年龄组)。我尝试了解失踪机制 - 但仍然有点模糊。我会看到预测值的外观,然后进一步调查。 我可能需要阅读关于模型级联(嵌套模型)。谢谢 – OSlOlSO
+1 NA反应的好处。 –
注意:级联只是在缺少观察的情况下的一系列模型。在数学上,如果缺少预测变量,则不存在GLM模型,因此您需要为该场景提供替代模型。你如何选择它取决于你。建模功能应该是安全的,可以说“我不知道” - 就像智者一样。 :) – Iterator