Imputation par régression linéaire
Parfois, vos connaissances du domaine, des travaux antérieurs ou tout simplement votre gros bon sens vous permettent de décrire les relations entre les variables de vos données. Dans ces situations, l'imputation basée sur un modèle est une excellente option, car elle vous permet d'imputer chaque variable à l'aide d'un modèle statistique que vous définissez vous-même, en tenant compte des hypothèses que vous avez sur la façon dont les variables s'influencent entre elles.
Pour les variables continues, un modèle très courant est la régression linéaire. Cela ne vous limite pas pour autant à des relations strictement linéaires ! Vous pouvez toujours inclure le carré ou le logarithme d'une variable parmi les prédicteurs. Dans cet exercice, vous utiliserez le paquet simputation pour effectuer une imputation unique par régression linéaire sur les données tao et analyser les résultats. Allons-y !
Cette activité fait partie du cours
Traitement des données manquantes par imputation dans R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Load the simputation package
___
# Impute air_temp and humidity with linear regression
formula <- ____
tao_imp <- ___(tao, formula)