代码之家 › 专栏 › 技术社区 › cpage

在进行多次回归时,应正确处理单列NA

lm na r

cpage · 技术社区 · 7 年前

我正在尝试使用 lm 当虚拟变量为真时计算平均值。我有一个包含三列(Sepal.Length、Sepal.Width和Dummy)的数据帧。当其中一个col包含 NA ,整行被排除(即使我运行两个独立的回归)导致不正确的平均数。当只有一个列包含行时,如何正确地运行几个不排除整行的回归(没有for循环) ?

# setup mydata
mydata <- structure(list(Sepal.Length = c(5.1, 4.9, 4.7, 4.6, 5, 5.4), 
    Sepal.Width = c(NA, NA, 3.2, 3.1, 3.6, 3.9), Dummy = c(1, 
    1, 1, 0, 0, 0)), row.names = c(NA, 6L), class = "data.frame")

mydata

# Sepal.Length Sepal.Width Dummy
# 1          5.1          NA     1
# 2          4.9          NA     1
# 3          4.7         3.2     1
# 4          4.6         3.1     0
# 5          5.0         3.6     0
# 6          5.4         3.9     0

# reg Sepal.Length ~ Dummy, Sepal.Width ~ Dummy    
fit <- lm(data.matrix(mydata) ~ data.matrix(mydata["Dummy"]))

intercepts <- fit$coefficients[1,]
betas <- fit$coefficients[2,]

# calculate average when Dummy==1
intercepts + betas

# Sepal.Length  Sepal.Width        Dummy 
#         4.7          3.2          1.0 

# calculate average when Dummy==1 (does not match)
apply(data.matrix(mydata %>% filter(Dummy==1)), 2, mean, na.rm=TRUE)

# Sepal.Length  Sepal.Width        Dummy 
#         4.9          3.2          1.0

1 回复 | 直到 7 年前

cpage 7 年前

如果你使用 map 从 purrr 下列的 this 例子。

library("dplyr")
library("purrr")

mydata %>% map(~lm(.x ~ Dummy, data=mydata)) %>% map("coefficients") %>% map(sum)

# $Sepal.Length
# [1] 4.9

# $Sepal.Width
# [1] 3.2

# $Dummy
# [1] 1

推荐文章

Amp · 使用R ggplot2删除geom_radial中axis.line和panel.border之间的空格

1 年前

Hard_Course · 用另一列中的值替换行的最后一个非NA条目

1 年前

Mark R · 使用geom_sf()删除地球仪上不需要的网格线

1 年前

Joe · 根据对工作日和本周早些时候的日期的了解,找到一个日期

1 年前

Ben · 统计向量中的单词在字符串中出现的频率

1 年前

TheCodeNovice · R中符号格式的尾随零和其他问题[重复]

1 年前

katefull06 · 在R中使用terra修改范围时,会为单独的SpatRaster重写范围

1 年前

dez93_2000 · 在R管道子功能中引用管道对象的当前状态

1 年前

accibio · 在ggplot2中为同一变量创建两个连续的颜色渐变比例

1 年前

Mankka · 如何在Ggplot2中绘制均匀的径向图

1 年前