マージンプロットによる補完精度の評価
前の演習では、air_temp に平均値補完を行い、補完された値を示す指示変数 air_temp_imp を追加しました。ここでは、その結果を確認しましょう。
tao データを観察すると、sea_surface_temp（海面水温）という変数も含まれており、これは air_temp（気温）と正の相関があると考えられます。つまり、両者は同時に高くなったり低くなったりするはずです。しかし、海面水温が高いときや低いときに気温の平均値を補完してしまうと、この相関関係が崩れてしまいます。
この演習では、2つの気温変数と指示変数を選択し、マージンプロットを描いて確認します。平均値補完の精度を評価しましょう。
この演習はコースの一部です
R による欠損データの補完処理
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>%
select(___, ___, ___) %>%
___(delimiter = ___)