線形回帰による補完
変数間の関係を、専門知識や過去の研究、あるいは常識にもとづいて説明できる場合があります。そのような場合、モデルベースの補完は非常に有効な手法です。変数どうしがどのように影響し合うかという仮定を踏まえながら、統計モデルを自分で指定して各変数を補完できます。
連続変数に対してよく使われるモデルの一つが線形回帰です。ただし、線形の関係に限定される必要はありません。予測変数として変数の二乗値や対数値を含めることも可能です。この演習では、simputation パッケージを使って tao データに単回帰補完を実行し、結果を分析します。さっそく試してみましょう！
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。
# Load the simputation package
___
# Impute air_temp and humidity with linear regression
formula <- ____
tao_imp <- ___(tao, formula)