在本章中，您将了解为什么在分析数据集时，缺失数据可能带来风险。我们将介绍三种缺失机制，并讲解如何使用统计检验与可视化工具识别它们。

缺失数据：可能会出什么问题

含缺失数据的线性回归

分析回归输出

比较模型

缺失数据机制

识别缺失数据机制

MAR 的 t 检验：数据准备

针对 MAR 的 t 检验：结果解读

可视化缺失数据模式

汇总图（Aggregation plot）

脊柱图（Spine plot）

马赛克图

缺失数据的问题

了解填补方法的分类体系，并学习三种基于供体的技术：均值填补、热甲板（hot-deck）填补和 k-近邻（k-Nearest-Neighbors）填补。您将深入其原理，理解这些方法如何工作，并学习如何将它们应用到真实的热带天气数据集。过程中，您还会掌握一些实用技巧，帮助这些方法更好地解决您的问题。

均值插补

闻一闻均值插补的"风险味"

对温度进行均值插补

用边缘图评估插补质量

Hot-deck 填补

基础 hot-deck

Hot-deck 技巧与提示 I：在域内进行插补

Hot-deck 技巧与提示 II：按相关变量排序

k-Nearest-Neighbors 填补

选择邻居数量

kNN 小技巧 I：为捐赠者加权

kNN 技巧与提示 II：按变量排序

基于供体的填补方法

现在是时候学习如何使用统计与机器学习模型（如线性回归、逻辑回归与随机森林）来填补缺失数据了。本章将探讨这些模型如何进行预测，并据此从条件分布中抽取填补值。这一点很重要，因为它能确保您的填补结果更加多样且合理，更接近真实数据。

基于模型的填补方法

线性回归插补

初始化缺失值与按变量迭代

检测收敛

复现数据的变异性

逻辑回归插补

从条件分布中抽样

多种变量类型的模型法插补

基于树的插补

使用随机森林进行插补

按变量查看的插补误差

速度-准确率权衡

填补得到的数值并非板上钉钉。它们只是估计，而估计总伴随不确定性。在最后一章中，您将了解如何使用自助法（bootstrapping）与基于链式方程的多重填补（借助 mice 包），把填补不确定性纳入模型与分析，使其更可靠、更稳健。

通过自助法进行多重插补

将插补与建模封装进函数

运行自举（bootstrap）

自助法置信区间

基于链式方程的多重插补

mice 工作流：mice - with - pool

选择默认模型

使用预测矩阵

整合所学：贯通实战

分析缺失数据模式

填补并检查结果变量

使用填补数据进行推断

最后的说明

来自填补的不确定性

Biopics dataset

Tropical Atmosphere Ocean dataset

缺失数据无处不在。用适当的方法填充缺失值称为填补（imputation）。如果您希望做出更准确的预测并在众人中脱颖而出，掌握正确的填补方法至关重要。在本课程中，您将学习如何使用可视化和统计检验识别缺失数据模式，以及如何利用一系列统计与机器学习模型对数据进行填补。您还将提升决策能力，帮助您在具体情境下选择最合适的填补方法。最后，您将学会在推断与预测中纳入来自填补的不确定性，从而使结果更稳健、更可靠。

Intermediate Regression in R

Dealing With Missing Data in R

学习使用R诊断、可视化和处理缺失数据，掌握多种插补技术并选择合适的方法。

R 中的缺失值填补处理

诊断、可视化并处理缺失数据，运用多种插补技术，并获取提升结果的技巧。

基于链式方程的多重插补

Create Your Free Account