Tips och tricks för hot-deck I: imputering inom domäner
Ett knep som kan hjälpa när hot-deck-imputering stör sambanden mellan variabler är att imputera inom domäner. Det innebär att om variabeln som ska imputeras är korrelerad med en annan, kategorisk variabel, kan man enkelt köra hot-deck separat för var och en av dess kategorier.
Du kan till exempel förvänta dig att lufttemperaturen beror på tid, eftersom vi ser medeltemperaturerna stiga till följd av den globala uppvärmningen. Tidsindikatorn som finns tillgänglig i tao-data är en kategorisk variabel, year. Vi börjar med att kontrollera om den genomsnittliga lufttemperaturen skiljer sig mellan de två studerade åren och kör sedan hot-deck inom årsdomäner. Slutligen ritar du marginplotten igen för att utvärdera imputeringens prestanda.
Den här övningen är en del av kursen
Hantering av saknade värden med imputering i R
Övningsinstruktioner
- Beräkna medelvärdet för
air_tempför varje år, spara resultatet somaverage_air_tempoch exkluderaNA-värden från beräkningen. - Imputera de saknade värdena i
air_tempitao-data inomyear-domäner med hot-deck-imputering och tilldela resultatet tilltao_imp. - Skapa en marginplot över
air_tempmotsea_surface_tempoch kom ihåg att inkluderaair_temp_impbland de variabler du skickar till plottfunktionen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate mean air_temp per year
tao %>%
group_by(___) %>%
summarize(average_air_temp = mean(___, na.rm = ___))
# Hot-deck-impute air_temp in tao by year domain
tao_imp <- ___(___, variable = ___, ___ = ___)
# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>%
select(___, ___, ___) %>%
marginplot(___ = ___)