预测Y中缺失数据的回归后lm

R中有内置的功能(但不一定明显):它是 na.action 参数/ ?na.exclude predict() (和类似的下游处理功能)将自动填写 NA

设置数据:

df <- data.frame(x=1:10,y=100*(1:10))
df$y[5] <- NA

拟合模型:默认值 na.行动 na.omit ,它只是删除了不完整的情况。

mod1 <- lm(y~x+1,data=df)
predict(mod1)
##    1    2    3    4    6    7    8    9   10 
##  100  200  300  400  600  700  800  900 1000 

na.exclude 在安装之前删除不完整的案例,然后恢复它们(填充 不适用 )在预测向量中:

mod2 <- update(mod1,na.action=na.exclude)
predict(mod2)
##    1    2    3    4    5    6    7    8    9   10 
##  100  200  300  400   NA  600  700  800  900 1000 

predict.lm 作用 无论哪种方式,您都必须输入模型本身作为其第一个参数 model ,有或没有新数据。如果没有新数据,它将仅对训练数据进行预测,从而排除您的 NA 行,您需要此解决方法来适应初始data.frame:

df$y_ip[!is.na(df$y)] <- predict.lm(model)

或者明确指定一些新数据。自从新的 x 比训练多了一排 x

df$y_ip <- predict.lm(model, newdata = df)