Fehlendes Datenverhalten in lm: Komplette Fälle auch mit Prädiktoren ohne fehlende Daten

Question

Meine Frage: Was ist die effizienteste Möglichkeit, einen Prädiktor mit NA s zu entfernen und die vollständigen Fälle mit Ausnahme von zu berücksichtigen, die Prädiktor?

Die Frage ergibt sich aus der folgenden Regressionssituation mit NA s, in der Ozone (meistens) und Solar.R fehlen.

data(airquality) 
summary(airquality) 
#  Ozone   Solar.R   Wind    Temp   Month  
# Min. : 1.00 Min. : 7.0 Min. : 1.700 Min. :56.00 Min. :5.000 
# 1st Qu.: 18.00 1st Qu.:115.8 1st Qu.: 7.400 1st Qu.:72.00 1st Qu.:6.000 
# Median : 31.50 Median :205.0 Median : 9.700 Median :79.00 Median :7.000 
# Mean : 42.13 Mean :185.9 Mean : 9.958 Mean :77.88 Mean :6.993 
# 3rd Qu.: 63.25 3rd Qu.:258.8 3rd Qu.:11.500 3rd Qu.:85.00 3rd Qu.:8.000 
# Max. :168.00 Max. :334.0 Max. :20.700 Max. :97.00 Max. :9.000 
# NA's :37  NA's :7              
#  Day  
# Min. : 1.0 
# 1st Qu.: 8.0 
# Median :16.0 
# Mean :15.8 
# 3rd Qu.:23.0 
# Max. :31.0 

Regression von Wind auf die verbleibenden Variablen. Betrachtet nur die vollständigen Fälle.

summary(lm(Wind ~ ., data = airquality)) 
# 
# Call: 
# lm(formula = Wind ~ ., data = airquality) 
# 
# Residuals: 
#  Min  1Q Median  3Q  Max 
# -4.3908 -2.2800 -0.3078 1.4132 9.6501 
# 
# Coefficients: 
#    Estimate Std. Error t value Pr(>|t|)  
# (Intercept) 15.519460 2.918393 5.318 5.96e-07 *** 
# Ozone  -0.060746 0.011798 -5.149 1.23e-06 *** 
# Solar.R  0.003791 0.003216 1.179 0.241  
# Temp  -0.036604 0.044576 -0.821 0.413  
# Month  -0.159671 0.208082 -0.767 0.445  
# Day   0.017353 0.031238 0.556 0.580  
# --- 
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
# 
# Residual standard error: 2.822 on 105 degrees of freedom 
# (42 observations deleted due to missingness) 
# Multiple R-squared: 0.3994, Adjusted R-squared: 0.3708 
# F-statistic: 13.96 on 5 and 105 DF, p-value: 1.857e-10 

Wenn Ozone entfernt wird, hält nach wie vor nur die kompletten Fälle (mit Ozone enthalten). Dies unterscheidet sich jedoch von der manuellen Entfernung von Ozone.

summary(lm(Wind ~ . - Ozone, data = airquality)) 
# 
# Call: 
# lm(formula = Wind ~ . - Ozone, data = airquality) 
# 
# Residuals: 
# Min  1Q Median  3Q Max 
# -6.012 -2.323 -0.361 1.493 9.605 
# 
# Coefficients: 
#    Estimate Std. Error t value Pr(>|t|)  
# (Intercept) 24.3159074 2.6354288 9.227 3.09e-15 *** 
# Solar.R  0.0009228 0.0035281 0.262 0.794  
# Temp  -0.1900820 0.0369159 -5.149 1.21e-06 *** 
# Month  0.0313046 0.2280600 0.137 0.891  
# Day   0.0008969 0.0346116 0.026 0.979  
# --- 
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
# 
# Residual standard error: 3.143 on 106 degrees of freedom 
# (42 observations deleted due to missingness) 
# Multiple R-squared: 0.2477, Adjusted R-squared: 0.2193 
# F-statistic: 8.727 on 4 and 106 DF, p-value: 3.961e-06 

summary(lm(Wind ~ Solar.R + Temp + Wind + Month + Day, data = airquality)) 
# 
# Call: 
# lm(formula = Wind ~ Solar.R + Temp + Wind + Month + Day, data = airquality) 
# 
# Residuals: 
#  Min  1Q Median  3Q  Max 
# -8.1779 -2.2063 -0.2757 1.9448 9.3510 
# 
# Coefficients: 
#    Estimate Std. Error t value Pr(>|t|)  
# (Intercept) 23.660271 2.416766 9.790 < 2e-16 *** 
# Solar.R  0.002980 0.003113 0.957 0.340  
# Temp  -0.186386 0.032725 -5.695 6.89e-08 *** 
# Month  0.074952 0.206334 0.363 0.717  
# Day   -0.011028 0.030304 -0.364 0.716  
# --- 
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
# 
# Residual standard error: 3.158 on 141 degrees of freedom 
# (7 observations deleted due to missingness) 
# Multiple R-squared: 0.2125, Adjusted R-squared: 0.1901 
# F-statistic: 9.511 on 4 and 141 DF, p-value: 7.761e-07 

Answer 1

Es ist in der Tat bedauerlich und überraschend, dass Wind ~ . - OzoneOzone hält, wenn eine vollständige Fälle zu finden; scheint eine Diskussion auf der Mailingliste r-devel@r-project.org, wenn Sie es verfolgen wollen. In der Zwischenzeit, wie wäre es mit

?