Vorhersagen.glm nicht Vorhersage der fehlenden Werte in der Antwort

Aus irgendeinem Grund, wenn ich angeben glms (und lm ' s zu, es stellt sich heraus), R ist nicht die Vorhersage der fehlenden Werte der Daten. Hier ist ein Beispiel:

y = round(runif(50))
y = c(y,rep(NA,50))
x = rnorm(100)
m = glm(y~x, family=binomial(link="logit"))
p = predict(m,na.action=na.pass)
length(p)

y = round(runif(50))
y = c(y,rep(NA,50))
x = rnorm(100)
m = lm(y~x)
p = predict(m)
length(p)

Die Länge von p sollte 100, aber seine 50. Die seltsame Sache ist, dass ich andere prognostiziert in den gleichen script, die Vorhersagen von fehlenden Daten.

EDIT: Es stellt sich heraus, dass diejenigen, die andere prognostiziert wurden, ganz falsch-ich habe imputed.value = rnorm(N,mean.from.predict,var.of.prediction.interval). Diese recycelt der mean und sd Vektoren aus der lm-Vorhersagen oder glm vorherzusagen Funktionen, wenn length(predict)<N, die ziemlich anders war als das, was ich suchte.

Also meine Frage ist was ist mit meinem Beispiel-code anhalten, glm und lm von der Vorhersage der fehlenden Werte?

Dank!

InformationsquelleAutor generic_user | 2013-04-28

  1. 8

    Wenn glm passt das Modell, es nutzt nur die Fälle, in denen es keine fehlenden Werte. Sie können immer noch Vorhersagen für die Fälle, in denen y Werte fehlen, indem er einen Daten-frame und den übergang zu predict.glm.

    predict(m, newdata=data.frame(y, x))
    Danke -- das funktioniert auch, aber ist merkwürdig. Ich denke, der "original" - Daten, wenn newdata überlassen wird-standardmäßig ist das Modell matrix, anstatt der Variablen gespeist, um glm.
    Einfach zu fügen Sie zusätzliche Wertschätzung für diese Antwort: Sie hat mir geholfen, zu finden, eine potenziell MASSIVE Fehler in meinem code. Wirklich dankbar.

    InformationsquelleAutor Hong Ooi

  2. 4

    Das Problem mit Ihrem Aufruf glm, die eine na.action argument für die na.omit

    Daher werden diese Werte weggelassen (und wenn predict.glm heißt, Sie sind immer noch weggelassen)

    Vom ?glm

    na.action

    eine Funktion, die angibt, was passieren soll, wenn die Daten
    enthalten NAs. Die Standardeinstellung ist durch die na.Aktion Einstellung von Optionen,
    und ist na.fail wenn das nicht gesetzt ist. Die "Fabrik-neue" Standard ist
    na.weglassen. Ein weiterer möglicher Wert ist NULL, keine Aktion. Wert na.ausschließen
    nützlich sein kann.

    vom ?na.exclude (allgemein NA Aktion Hilfe Seite)

    na.ausschließen unterscheidet sich von na.weglassen, nur in der Klasse der "na.Aktion"
    Attribut mit dem Ergebnis, die "ausschließen". Das gibt unterschiedliche
    Verhalten in Funktionen nutzen naresid und napredict: wenn
    na.ausschließen wird verwendet, die Residuen und die Prognosen sind gepolstert, um den
    richtige Länge durch einfügen von NAs für die Fälle weggelassen von na.ausschließen.

    InformationsquelleAutor mnel

  3. -1

    Ich bin nicht sicher, wo haben Sie die Idee, dass R die regression Funktionen sollen automatisch unterstellen fehlenden Werte. Das ist nicht nur eine richtige Lesart des glm-Hilfe-Seite. Wenn Sie Prognosen für die Dinge, die Sie "denken" werden fehlende Werte in den Daten haben Sie nicht, meine Vermutung ist, dass Sie nicht wirklich fehlen, aber vielleicht sind Ebenen mit einer Bezeichnung "NA". Das ist nicht einen fehlenden Wert in R. Zeigen Sie uns, str(chr.imp.) für den Datensatz mit dem Sie arbeiten. Die "imp" - Teil des namens macht mich denken, dass Sie (oder jemand vor dir) gebaut, einige Zuschreibungen.

    Wenn Sie wnat zu unterstellen-Daten, dann müssen Sie zuerst Lesen, auf die Fragen und dann wählen Sie ein Paket, um es zu tun. Die Suche nach solchen Paketen versuchen Sie dies:

    install.packages("sos")
require(sos)
 findFn("impute")
#---------
found 834 matches;  retrieving 20 pages, 400 matches.
2 3 4 5 6 7 8 9 10 
11 12 13 14 15 16 17 18 19 20 

Downloaded 383 links in 118 packages.
    Ich bin in der Tat zu konstruieren Zuschreibungen. Was ich will, ist $X'\hat\beta$, für die $X$ - Werte, wo $Y$ fehlt. Edit: sorry, da ist kein latex in diesem forum? Ich meine, ausgestattet Werte mit der Vorhersage-Intervalle für neue Daten. Ich glaube, ich könnte dies manuell tun, aber ich dachte, voraussagen, Vorhersagen. Ob ich Sie einsetzen Zuschreibungen, oder was auch immer sein sollte, auf mich zu.
    Ihre Erwartungen werden einfach nur enttäuscht sein.
    Downvoting für die richtige Beratung über Verhalten der software nicht erfüllt diejenigen, die Phantasien ist kindisch.
    Ich downvoted Ihr Kommentar, weil es nicht konstruktiv ist. Sie machen unbegründete Annahmen in einem leicht feindseligen Ton. Was mehr ist, Ihre Antwort ist eigentlich keine Antwort, sondern ein Kommentar/eine Anfrage für weitere Informationen.
    Ein weiterer downvote? Ich nehme an, verlassen diese Antwort ... und es ist eine Antwort, die (da R NICHT unterstellen, für die fehlende Werte in den Daten gegeben glm auch mit anderen Werten für na.Aktion)... weiter zu ärgern Menschen, die Schwierigkeiten haben, die Annahme der Realität. Wenn Sie wollen, zu unterstellen, Daten, dann müssen Sie ein Paket, das bietet, die Anlage.

    InformationsquelleAutor 42-

Schreibe einen Kommentar