5

我正在尝试探索在数据集中估算缺失值的方法。我的数据集包含 Year(2001-2009)、Month(1-12)、Gender(M/F) 和 AgeGroup(4 组)的发生次数（Unnatural、Natural 和总和）。

我正在探索的一种插补技术是（泊松）回归插补。

假设我的数据如下所示：

    Year Month Gender AgeGroup Unnatural Natural Total
569 2006     5   Male     15up       278     820  1098
570 2006     6   Male     15up       273     851  1124
571 2006     7   Male     15up       304     933  1237
572 2006     8   Male     15up       296    1064  1360
573 2006     9   Male     15up       298     899  1197
574 2006    10   Male     15up       271     819  1090
575 2006    11   Male     15up       251     764  1015
576 2006    12   Male     15up       345     792  1137
577 2007     1 Female        0        NA      NA    NA
578 2007     2 Female        0        NA      NA    NA
579 2007     3 Female        0        NA      NA    NA
580 2007     4 Female        0        NA      NA    NA
581 2007     5 Female        0        NA      NA    NA
...

在进行基本的 GLM 回归后 - 96 个观察值因缺失而被删除。

R中是否有一种方法/包/函数将使用此GLM模型的系数来“预测”（即估算）Total的缺失值（即使它只是将其存储在单独的数据框中-我将使用Excel合并它们）？我知道我可以使用这些系数来预测不同的层次结构行——但这需要很长时间。希望有一个一步功能/方法？

Call:
glm(formula = Total ~ Year + Month + Gender + AgeGroup, family = poisson)

Deviance Residuals: 
      Min         1Q     Median         3Q        Max  
-13.85467   -1.13541   -0.04279    1.07133   10.33728  

Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
(Intercept)   13.3433865  1.7541626   7.607 2.81e-14 ***
Year          -0.0047630  0.0008750  -5.443 5.23e-08 ***
Month          0.0134598  0.0006671  20.178  < 2e-16 ***
GenderMale     0.2265806  0.0046320  48.916  < 2e-16 ***
AgeGroup01-4  -1.4608048  0.0224708 -65.009  < 2e-16 ***
AgeGroup05-14 -1.7247276  0.0250743 -68.785  < 2e-16 ***
AgeGroup15up   2.8062812  0.0100424 279.444  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

(Dispersion parameter for poisson family taken to be 1)

    Null deviance: 403283.7  on 767  degrees of freedom
Residual deviance:   4588.5  on 761  degrees of freedom
  (96 observations deleted due to missingness)
AIC: 8986.8

Number of Fisher Scoring iterations: 4
4

2 回答 2

6

首先，要非常小心随机缺失的假设。您的示例看起来像缺失与女性和年龄组同时发生。您应该真正测试缺失是否与任何预测变量有关（或是否缺少任何预测变量）。如果是这样，响应可能会出现偏差。

其次，你要找的功能很可能是predict，可以采用glm模型。请参阅?predict.glm以获取更多指导。您可能希望拟合级联模型（即嵌套模型）来解决缺失值。

于 2011-08-01T18:54:40.817 回答
0

该mice包提供了一个同名的函数，该函数允许使用基于其他值的回归方案来预测每个缺失值。它可以处理也丢失的预测变量，因为它使用迭代 MCMC 算法。

我不认为泊松回归是一种选择，但是如果您的所有计数都与示例正态回归一样大，则应该提供合理的近似值。

于 2012-06-14T09:03:03.280 回答