CommencezCommencez gratuitement

Astuces hot-deck I : imputer à l'intérieur de domaines

Une astuce utile lorsque l'imputation par hot-deck brise les relations entre les variables consiste à imputer à l'intérieur de domaines. Autrement dit, si la variable à imputer est corrélée à une autre variable catégorielle, on peut simplement exécuter le hot-deck séparément pour chacune de ses catégories.

Par exemple, on peut s'attendre à ce que la température de l'air dépende du temps, puisque la température moyenne augmente avec les changements climatiques. L'indicateur temporel disponible dans les données tao est une variable catégorielle, year. Vérifions d'abord si la température moyenne de l'air diffère entre les deux années étudiées, puis exécutons le hot-deck à l'intérieur des domaines définis par l'année. Enfin, vous tracerez de nouveau le graphique des marges pour évaluer la qualité de l'imputation.

Cette activité fait partie du cours

Traitement des données manquantes par imputation dans R

Voir le cours

Instructions de l’exercice

  • Calculez la moyenne de air_temp pour chaque année, en nommant le résultat average_air_temp et en excluant les NA du calcul de la moyenne.
  • Imputez les valeurs manquantes de air_temp dans les données tao à l'intérieur des domaines year à l'aide de l'imputation par hot-deck et assignez le résultat à tao_imp.
  • Créez un graphique des marges de air_temp par rapport à sea_surface_temp; n'oubliez pas d'inclure air_temp_imp parmi les variables passées à la fonction de tracé.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Calculate mean air_temp per year
tao %>% 
	group_by(___) %>% 
	summarize(average_air_temp = mean(___, na.rm = ___))

# Hot-deck-impute air_temp in tao by year domain
tao_imp <- ___(___, variable = ___, ___ = ___)

# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>% 
	select(___, ___, ___) %>% 
	marginplot(___ = ___)
Modifier et exécuter le code