與步驟（）

步驟（）和stepAIC（）奇數行爲產生一個「刪除缺失值錯誤」上具有缺失值的數據運行代碼時。與步驟（）

Error in step(mod1, direction = "backward") : 
    number of rows in use has changed: remove missing values?

根據步驟：

The model fitting must apply the models to the same dataset. This may be 
a problem if there are missing values and R's default of na.action = na.omit 
is used. We suggest you remove the missing values first.

我與它有四個NA值一個可變的數據幀。但是，當我運行lm對象時，即使缺少值，我也不會收到「缺失值」錯誤。誰能告訴我會發生什麼事？

> d1$Impressions 
    [1]  NA  NA  NA 6924180 9313226 27888455 
18213812 54557205 13495553 
...

這不會產生錯誤消息：

mod1 = lm(Leads ~ G + Con + GOO + DAY + Res + SD + ED + 
      ME + Impressions + Inc + Sea, data=d1) 

step(mod1, direction="backward") 
stepAIC(mod1)

即使已經丟失的值的變量，它不生成錯誤消息。關於發生什麼事的任何想法？對於規定的行爲

來源

2014-01-24 amathew

你那麼明顯的問題，就是「沒步進導致的結果，可以消除4個變量對哪一個行‘NA’？」我可以理解這一點，因爲如果存在任何「NA」，錯誤就會出現，只要模型矩陣中的行數隨着步進而改變。 –

啊，因爲step在模型對象上運行，所以lm看起來不考慮NA值。這就是爲什麼我有：剩餘標準誤：在33個自由度上的742.2（3個意見由於缺失而被刪除）當我打印摘要時（） – amathew

想一想;你適合整個模型，所以你會因「NA」而丟失3個觀測值。 R將模型修剪回來，但是在每一步中都不會包含這3個觀測值，因爲具有「NA」的變量仍然在模型中。在消除所有4個具有「NA」的變量之前停止消除。因此行數永遠不會改變。 –

一個原因是這樣的。 step()適合完整模型，因此由於存在NA s而下降3（如所陳述的）觀察值。只要模型中存在NA的變量，函數將在每個步驟中刪除這些觀察值。如果步進停止它刪除，將導致剩餘模型之前去除的觀察一個變量之前，則沒有錯誤將提高，因爲在模型矩陣行的數量不會改變。

作爲像這樣的一邊，逐步選擇被認爲是稍微可疑有效性。同樣重要的是，在使用它時，你會做出一個相當大膽的陳述，即消除的變量的影響正好等於零。這也具有將保留在模型中的變量的效果（估計係數）偏置爲具有更大（絕對）值的效果。

替代這個逐步選擇包括收縮的方法，例如套索和彈性網。

來源

2014-01-24 22:58:01

回答

相關問題