【请教】R语言线性回归中对于数据缺失值（NA）的处理方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

R语言线性回归函数lm()中关于缺失值的处理方式有一个参数：na.action，经查阅文献，得知其默认值与R自己的options()中的na.action一致，正常是na.omit，我理解就是忽略了数据中有缺失值的case。但是当我手动把没有NA值的cases筛出来做回归的时候，却发现跟用全部数据得到的回归方程不一样，请各位点拨一下是什么原因，回头给大家发奖励，谢谢先！

1. #### 用的是VIM包中的函数sleep
   
2. ### 不对数据做任何预处理，直接回归
   
3. lm_res <- lm(BodyWgt~BrainWgt+NonD+Dream,data=sleep,na.action=na.omit)
   
4. summary(lm_res)

复制代码

得到的结果如下：

1. Call:
   
2. lm(formula = BodyWgt ~ BrainWgt + NonD + Dream, data = sleep,
   
3.     na.action = na.omit)
   
4. 
   
5. Residuals:
   
6.     Min      1Q  Median      3Q     Max
   
7. -619.28   -3.23    8.17   19.86  242.61
   
8. 
   
9. Coefficients:
   
10.             Estimate Std. Error t value Pr(>|t|)   
    
11. (Intercept) 12.45354   47.21972   0.264    0.793   
    
12. BrainWgt     0.51703    0.02615  19.771   <2e-16 ***
    
13. NonD        -3.92827    5.69966  -0.689    0.494   
    
14. Dream        5.42715   13.49113   0.402    0.689   
    
15. ---
    
16. Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
    
17. 
    
18. Residual standard error: 113.6 on 44 degrees of freedom
    
19.   (14 observations deleted due to missingness)
    
20. Multiple R-squared:  0.9149,        Adjusted R-squared:  0.9091
    
21. F-statistic: 157.8 on 3 and 44 DF,  p-value: < 2.2e-16

复制代码

然后先用complete.cases()筛出来没有数据缺失情况的cases，然后再用没有缺失的数据做线性回归，代码和结果分别如下：

1. sleep_complete <- sleep
   
2. sleep_complete$label <- complete.cases(sleep_complete)
   
3. sleep_complete <- sleep_complete[sleep_complete$label == T,]
   
4. lm_complete <- lm(BodyWgt ~ BrainWgt + NonD + Dream, data = sleep_complete )
   
5. summary(lm_complete)

复制代码

1. Call:
   
2. lm(formula = BodyWgt ~ BrainWgt + NonD + Dream, data = sleep_complete)
   
3. 
   
4. Residuals:
   
5.     Min      1Q  Median      3Q     Max
   
6. -618.56   -4.46   10.30   23.98  242.33
   
7. 
   
8. Coefficients:
   
9.             Estimate Std. Error t value Pr(>|t|)   
   
10. (Intercept)  13.1329    53.2917   0.246    0.807   
    
11. BrainWgt      0.5173     0.0286  18.090   <2e-16 ***
    
12. NonD         -3.7833     6.3681  -0.594    0.556   
    
13. Dream         4.0130    16.2712   0.247    0.807   
    
14. ---
    
15. Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
    
16. 
    
17. Residual standard error: 122.2 on 38 degrees of freedom
    
18. Multiple R-squared:  0.9145,        Adjusted R-squared:  0.9077
    
19. F-statistic: 135.4 on 3 and 38 DF,  p-value: < 2.2e-16

复制代码

比较两个回归的结果，很容易发现两者并不一致，那也就是说na.omit并不是把所有的含NA值的case都剔除掉了，那na.omit到底是对NA值做了什么处理呢？请论坛里的各位小伙伴多指教！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数据缺失 线性回归 处理方法 R语言 缺失值

好像是把有空缺值的那一行都去掉了

na.omit将纳入回归模型的变量（BodyWg、BrainWgt、NonD、 Dream）的缺失行删除，但你的sleep_complete删除了数据库里所有变量的缺失值，所以结果不一样。如果手动删除缺失BodyWg、BrainWgt、NonD、 Dream的行（不管其他变量是否有缺失值），再跑回归模型，结果是一样的