Tìm kiếm tính thiếu dữ liệu có thể dự đoán được
Nếu dữ liệu bị thiếu hoàn toàn ngẫu nhiên, bạn sẽ không thể dự đoán một biến bị thiếu dựa trên phần dữ liệu còn lại. Do đó, nếu có thể dự đoán được việc thiếu dữ liệu thì dữ liệu không thiếu hoàn toàn ngẫu nhiên. Vậy hãy dùng hàm glm() để khớp một mô hình hồi quy logistic, tìm dấu hiệu thiếu dữ liệu dựa trên khả năng chi trả (affordability) trong biến mort mà bạn đã tạo trước đó. Nếu bạn không tìm thấy cấu trúc nào trong dữ liệu thiếu — tức là các biến hệ số dốc không có ý nghĩa thống kê — điều đó không có nghĩa là bạn đã chứng minh dữ liệu thiếu ngẫu nhiên, nhưng giả thuyết đó là hợp lý.
Bài tập này là một phần của khóa học
Xử lý dữ liệu có khả năng mở rộng trong R
Hướng dẫn bài tập
- Tạo một biến cho biết
"borrower_race"bị thiếu (bằng 9) trong dữ liệu thế chấp. - Tạo một biến factor từ cột
"affordability". - Hồi quy
affordability_factortheoborrower_race_indvà gọisummary()trên mô hình.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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))