Imputacja metodą regresji liniowej
Czasem można wykorzystać wiedzę dziedzinową, wyniki wcześniejszych badań lub zwykłą intuicję, aby opisać zależności między zmiennymi w zbiorze danych. W takich przypadkach imputacja oparta na modelu to świetne rozwiązanie – pozwala uzupełniać brakujące wartości zgodnie z modelem statystycznym, który sam definiujesz, uwzględniając założenia dotyczące wzajemnego wpływu zmiennych.
Dla zmiennych ciągłych popularnym wyborem jest regresja liniowa. Nie ogranicza cię ona jednak do relacji liniowych! Jako predyktory możesz zawsze uwzględnić kwadrat zmiennej lub jej logarytm. W tym ćwiczeniu użyjesz pakietu simputation, aby przeprowadzić pojedynczą imputację metodą regresji liniowej na danych tao i przeanalizować wyniki. Zaczynajmy!
To ćwiczenie jest częścią kursu
Obsługa brakujących danych z imputacją w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Load the simputation package
___
# Impute air_temp and humidity with linear regression
formula <- ____
tao_imp <- ___(tao, formula)