Utvärdera imputeringskvalitet med marginalplot
I förra övningen utförde du medelvärdesimputation på air_temp och lade till en indikatorvariabel för att markera vilka värden som imputerades – kallad air_temp_imp. Nu är det dags att se hur väl det fungerar.
När du undersöker tao-data kanske du lade märke till att det även finns en variabel kallad sea_surface_temp, som rimligtvis kan förväntas vara positivt korrelerad med air_temp. Om så är fallet bör de båda temperaturerna vara höga eller låga samtidigt. Att imputera medellufttemperaturen när havstemperaturen är hög eller låg skulle bryta detta samband.
I den här övningen väljer du de två temperaturvariablerna och indikatorvariabeln och använder dem för att rita en marginalplot. Låt oss utvärdera medelvärdesiimputeringen!
Den här övningen är en del av kursen
Hantering av saknade värden med imputering i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>%
select(___, ___, ___) %>%
___(delimiter = ___)