探索遺漏資料相依性的工具

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

本練習屬於課程

在 R 中處理遺漏值

SkillTag.level.beginnerSkillTag.label

4.8+

免費開始學習課程

第 1 章會帶你認識遺漏值，說明什麼是遺漏值、它們在 R 中的行為、如何偵測，以及如何計數。接著我們介紹遺漏值摘要，包含如何在個案、變數層級彙整遺漏情形，並探索資料中不同群組的差異。最後，我們討論遺漏值的視覺化：如何為整個資料集、各變數與個案製作總覽圖，及其他彙整圖，並且比較不同群組之間的差異。

Exercise 1: 遺漏資料導論 Exercise 2: 使用與尋找遺漏值 Exercise 3: 有多少遺漏值？Exercise 4: 處理遺漏值 Exercise 5: 為什麼要在意遺漏值？Exercise 6: 彙整遺漏情況 Exercise 7: 匯整遺漏狀況 Exercise 8: 遺漏狀況的其他摘要 Exercise 9: 如何視覺化遺漏值？Exercise 10: 你的第一個遺漏資料視覺化 Exercise 11: 視覺化遺漏的個案與變數 Exercise 12: 視覺化遺漏模式

在第 2 章中，你會學到如何找出像是「missing」或「N/A」這類隱藏的遺漏記號，並將它們替換為 `NA`。你也會學到如何有效處理「隱含遺漏值」——也就是沒有明確列出、但可推知為遺漏的值。此外，我們也會探討遺漏資料的相依性，說明完全隨機遺漏（MCAR）、隨機遺漏（MAR）、非隨機遺漏（MNAR），以及這些情況對你的資料分析意味著什麼。

Exercise 1: 搜尋並取代遺漏值 Exercise 2: 使用 miss_scan_count Exercise 3: 使用 replace_with_na Exercise 4: 使用 replace_with_na 的 scoped 變體 Exercise 5: 向下填補遺漏值 Exercise 6: 用 complete() 修正隱含的遺漏值 Exercise 7: 用 fill() 修正明確的遺漏值 Exercise 8: 同時使用 complete() 與 fill()Exercise 9: 遺漏資料的相依性 Exercise 10: MCAR 與 MAR 的差異 Exercise 11: 探索遺漏性的相依性 Exercise 12: 進一步探索遺漏的相依性

本章將介紹處理遺漏資料的工作流程。我們會引入特殊的資料結構：shadow matrix 與 nabular data，並示範如何在探索遺漏資料的流程中使用它們，好把遺漏情形的摘要連回到原始資料的數值。你會學到如何使用 ggplot 探索與視覺化：當其他變數出現遺漏時，數值如何變動。最後，你會學到如何視覺化兩個變數間的遺漏情況，以及為何與如何在散佈圖中呈現遺漏。

Exercise 1: 探索遺漏資料相依性的工具

當前練習

Exercise 2: 建立 shadow matrix 資料 Exercise 3: 對遺漏情形做分組彙總 Exercise 4: 進一步探索更多遺漏情況的組合 Exercise 5: 視覺化單一變數的遺漏情形 Exercise 6: Nabular 資料與依遺漏狀態填補 Exercise 7: Nabular 資料與依遺漏情形進行摘要 Exercise 8: 依遺漏情形探索變異：盒鬚圖 Exercise 9: 視覺化兩個變數之間的遺漏情形 Exercise 10: 用散佈圖探索遺漏資料 Exercise 11: 用分面探索遺漏情形 Exercise 12: 使用分面探索遺漏（多個圖）

本章將介紹如何補齊資料中的遺漏值，也就是所謂的插補。你會學到如何進行插補與追蹤遺漏值，以及插補的優缺點，讓你可以將插補後的資料與原始數值進行探索、視覺化與評估。你會學到如何使用、評估與比較不同的插補模型，並探索不同插補模型如何影響你從模型中得到的推論。

Exercise 1: 填補空白 Exercise 2: 使用 nabular 資料在範圍下方進行插補 Exercise 3: 用散佈圖視覺化插補後的數值 Exercise 4: 為插補後的資料建立直方圖 Exercise 5: 怎樣才算好的插補 Exercise 6: 評估不良的插補 Exercise 7: 評估插補：尺度 Exercise 8: 評估插補：跨多個變數 Exercise 9: 執行插補 Exercise 10: 使用 simputation 進行資料插補 Exercise 11: 評估與比較插補結果 Exercise 12: 評估插補（多個模型與變數）Exercise 13: 評估插補與模型 Exercise 14: 結合並比較多種插補模型 Exercise 15: 評估模型中的不同參數 Exercise 16: 最後一課