嗨，我有一个纵向数据集，其中有关于专业人士和 Maslach 倦怠库存分数的数据。
The basic data looks like:
data.frame': 1907 obs. of 22 variables:
$ MBI_1 : num 6 4 2 3 7 5 6 6 6 4 ...
$ MBI_2 : num 5 6 0 2 5 4 4 5 5 2 ...
$ MBI_3 : num 4 4 0 2 4 4 1 3 4 2 ...
$ MBI_4 : num 4 14 7 4 1 9 6 8 9 6 ...
$ MBI_5 : num 3 12 6 3 1 3 7 7 7 3 ...
$ MBI_6 : num 8 3 6 3 5 3 5 6 6 4 ...
$ MBI_7 : num 5 14 8 10 1 10 10 8 8 6 ...
$ MBI_8 : num 3 2 0 1 4 4 2 3 3 2 ...
$ MBI_9 : num 2 11 7 6 7 7 5 7 6 4 ...
$ MBI_10: num 3 10 4 3 4 5 9 6 9 3 ...
$ MBI_11: num 3 8 4 4 7 7 8 6 8 5 ...
$ MBI_12: num 6 3 6 6 7 5 4 7 7 2 ...
$ MBI_13: num 4 6 6 4 6 3 5 4 8 2 ...
$ MBI_14: num 0 4 0 1 4 3 1 2 3 0 ...
$ MBI_15: num 3 12 3 3 1 3 8 5 6 3 ...
$ MBI_16: num 5 5 3 2 2 4 3 1 6 2 ...
$ MBI_17: num 3 14 9 7 3 9 7 1 9 5 ...
$ MBI_18: num 3 13 3 6 9 9 4 6 9 3 ...
$ MBI_19: num 8 6 4 6 9 9 5 8 10 3 ...
$ MBI_20: num 0 1 0 0 0 1 1 1 2 0 ...
$ MBI_21: num 5 5 7 5 1 7 7 6 7 4 ...
$ MBI_22: num 3 12 3 3 1 3 3 6 5 3 ...
我总结了所有这些行的分数，并创建了一个名为“mbitot”的新变量，它总结了每个人在每个时间点的 22 个答案的总数（恰好是 4 次访问）
This is how it looks:
num [1:1907] 86 169 88 84 89 117 111 112 143 68 ...
那里有几个 NA。
然后我跑了
library(nlme)
fit1=gls(mbi`itot~as.factor(visit),data=mss,na.action=na.exclude)
ACF(fit1,form=~1|ID)
##Output i am getting is
lag ACF
1 0 NA
2 1 NA
3 2 NA
4 3 NA
5 4 NA
6 5 NA
首先，我无法弄清楚为什么我会得到 NA。回归摘要结果很好，那里没有 NA。回归的结果是：截距 95.93，斜率 6.5，相关性为 -0.89。
任何想法为什么我会得到这些 NA？任何输入将不胜感激。谢谢