予測可能な欠損を探す
データが完全にランダムに欠損している場合、他の変数からその欠損の発生を予測できないはずです。したがって、欠損を予測できるのであれば、完全にランダムな欠損ではありません。そこで、先ほど作成した mort 変数の中で、affordability に基づく欠損を調べるために、glm() 関数でロジスティック回帰を当ててみましょう。欠損に明確な構造が見つからない、すなわち傾きに対応する係数が有意でない場合でも、「データがランダムに欠損している」と証明したことにはなりませんが、その可能性は高いといえます。
この演習はコースの一部です
Rで学ぶスケーラブルなデータ処理
演習の手順
- 住宅ローンデータで、
"borrower_race"が欠損（9 と等しい）かどうかを示す変数を作成します。 "affordability"列のファクター変数を作成します。affordability_factorをborrower_race_indに回帰し、summary()を呼び出してください。
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。
# Create a variable indicating if borrower_race is missing in the mortgage data
borrower_race_ind <- mort[, ___] == 9
# Create a factor variable indicating the affordability
affordability_factor <- ___(mort[, ___])
# Perform a logistic regression
___(glm(___ ~ affordability_factor, family = binomial))