查找可预测的缺失
如果数据是完全随机缺失，那么您不应该能够根据其余数据来预测某个变量何时缺失。因此，如果您能预测缺失，那么数据就不是完全随机缺失。现在，使用 glm() 函数拟合一个逻辑回归，基于您之前创建的 mort 变量中的可负担性来寻找缺失情况。如果您在缺失数据中没有发现结构——也就是说，斜率项不显著——这并不意味着已经证明数据是随机缺失，但这种可能性是存在的。
本练习是课程的一部分
R 的可扩展数据处理
练习说明
- 在按揭数据中创建一个变量，指示
"borrower_race"是否缺失（等于 9）。 - 将
"affordability"列创建为一个因子变量。 - 用
borrower_race_ind回归affordability_factor，并对结果调用summary()。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))