Öngörülebilir Eksiklik Arayışı
Eğer veriler tamamen rastgele eksikse, bir değişkenin ne zaman eksik olacağını diğer verilere bakarak tahmin edememen gerekir. Dolayısıyla eksikliği tahmin edebiliyorsan, veriler tamamen rastgele eksik değildir. O halde, daha önce oluşturduğun mort değişkeninde, uygunluğa (affordability) bağlı eksikliği incelemek için glm() fonksiyonunu kullanarak bir lojistik regresyon kuralım. Eğer eksik veride bir yapı bulamazsan — yani eğim katsayıları anlamlı değilse — bu, verilerin rastgele eksik olduğunu kanıtladığın anlamına gelmez, ama makul bir olasılık olarak görülebilir.
Bu egzersiz, kursun bir parçasıdır
R'de Ölçeklenebilir Veri İşleme
Egzersiz talimatları
- Mortgage verilerinde
"borrower_race"değişkeninin eksik olup olmadığını (9'a eşit) gösteren bir değişken oluştur. "affordability"sütunundan bir factor değişkeni oluştur.affordability_factor'ıborrower_race_indüzerine regresyonla vesummary()çağır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))