lineares Modell, wenn alle Vorkommen von unabhängigen Variablen sind NA

Question

Ich bin auf der Suche nach Vorschlägen für den Umgang mit NA in linearen Regressionen, wenn alle Vorkommen einer unabhängigen/erklärenden Variable NA sind (d. H. unten).

Ich weiß, die offensichtliche Lösung wäre, die unabhängige/erklärende Variable aus dem Modell auszuschließen, aber ich bin durch mehrere Regionen Looping und würde bevorzugen, keine anderen funktionalen Formen für jede Region haben.

Unten finden Sie einige Beispieldaten:

set.seed(23409) 
n <- 100 

time <- seq(1,n, 1) 
x1 <- cumsum(runif(n))   
y <- .8*x1 + rnorm(n, mean=0, sd=2) 
x2 <- seq(1,n, 1)  
x3 <- rep(NA, n)    
df <- data.frame(y=y, time=time, x1=x1, x2=x2, x3=x3) 

# Quick plot of data 
library(ggplot2) 
library(reshape2) 
df.melt <-melt(df, id=c("time")) 

p <- ggplot(df.melt, aes(x=time, y=value)) + 
    geom_line() + facet_grid(variable ~ .) 
p 

ich die Dokumentation für lm gelesen haben und versucht, verschiedene na.action Einstellungen ohne Erfolg:

lm(y~x1+x2+x3, data=df, singular.ok=TRUE) 

lm(y~x1+x2+x3, data=df, na.action=na.omit) 
lm(y~x1+x2+x3, data=df, na.action=na.exclude) 

lm(y~x1+x2+x3, data=df, singular.ok=TRUE, na.exclude=na.omit) 
lm(y~x1+x2+x3, data=df, singular.ok=TRUE, na.exclude=na.exclude) 

Gibt es eine Möglichkeit lm ohne Fehler zu laufen zu bekommen und geben Sie einfach einen Koeffizienten für die erklärende Reflexion der fehlenden Erklärungskraft (dh entweder Null oder NA) von der betreffenden Variable zurück?

Answer 1

Hier ist eine Idee:

set.seed(23409) 
n <- 100 

time <- seq(1,n, 1) 
x1 <- cumsum(runif(n))   
y <- .8*x1 + rnorm(n, mean=0, sd=2) 
x2 <- seq(1,n, 1)  
x3 <- rep(NA, n)    
df <- data.frame(y=y, time=time, x1=x1, x2=x2, x3=x3) 

replaceNA<-function(x){ 
    if(all(is.na(x))){ 
    rep(0,length(x)) 
    } else x 

} 

lm(y~x1+x2+x3, data= data.frame(lapply(df,replaceNA))) 
Call: 
lm(formula = y ~ x1 + x2 + x3, data = data.frame(lapply(df, replaceNA))) 

Coefficients: 
(Intercept)   x1   x2   x3 
    0.05467  1.01133  -0.10613   NA 

lm(y~x1+x2, data=df) 
Call: 
lm(formula = y ~ x1 + x2, data = df) 

Coefficients: 
(Intercept)   x1   x2 
    0.05467  1.01133  -0.10613 

So ersetzen Sie die Variablen, die nur NA ‚s mit variabler enthalten, die nur 0'en enthält. Sie erhalten den Koeffizientenwert NA, aber alle relevanten Teile der Modellanpassungen sind gleich (erwarte qr-Zerlegung, aber wenn Informationen darüber benötigt werden, können sie leicht modifiziert werden). Beachten Sie, dass die Komponente summary(fit)$alias (siehe ?alias) möglicherweise nützlich ist.

Dies scheint Ihre andere Frage zu beziehen: Replace lm coefficients in [r]

Answer 2

Sie können keine Spalte mit allen NA Werten einfügen. Es tut seltsame Dinge zu model.matrix

x1 <- 1:5 
x2 <- rep(NA,5) 

model.matrix(~x1+x2) 
    (Intercept) x1 x2TRUE 
attr(,"assign") 
[1] 0 1 2 
attr(,"contrasts") 
attr(,"contrasts")$x2 
[1] "contr.treatment" 

So Ihre Alternative, um die Modellformel auf der Basis der Daten programmatisch zu erstellen ist. wie

Etwas ...

make_formula <- function(variables, data, response = 'y'){ 
    if(missing(data)){stop('data not specified')} 
    using <- Filter(variables,f= function(i) !all(is.na(data[[i]]))) 

    deparse(reformulate(using, response)) 
} 

variables <- c('x1','x2','x3') 

make_formula(variables, data =df) 

[1] "y ~ x1 + x2" 

I deparse verwendet habe eine Zeichenfolge zurück, so dass es von der Erstellung der Formel in der Funktion keine environment Probleme ist. lm kann glücklich eine Zeichenkette nehmen, die eine gültige Formel ist.