使用线性回归为 R 中的一个变量和多个国家/地区估算缺失数据
Posted
技术标签:
【中文标题】使用线性回归为 R 中的一个变量和多个国家/地区估算缺失数据【英文标题】：Impute missing data using linear regression for one single variable and multiple countries in R 【发布时间】：2020-06-11 11:12:25 【问题描述】：我已经使用该代码在观察到的数据点之间线性插值数据：
df2 <- df %>%
group_by(iso3)%>%
mutate_at(vars(anc4), list(inter = ~na.approx(., na.rm = FALSE)))%>%
ungroup()%>%
mutate_cond(is.na(anc4),anc4=inter)%>%
dplyr::select(-c(inter))"
它给了我一个数据集，我在这里展示了一个摘录，但我的数据集包含 2000 年至 2018 年 194 个国家/地区的数据。
ID iso3 year anc4
<chr> <chr> <dbl> <dbl>
1 AFG2000 AFG 2000 NA
2 AFG2001 AFG 2001 NA
3 AFG2002 AFG 2002 NA
4 AFG2003 AFG 2003 NA
5 AFG2004 AFG 2004 NA
6 AFG2005 AFG 2005 NA
7 AFG2006 AFG 2006 NA
8 AFG2007 AFG 2007 NA
9 AFG2008 AFG 2008 16.1
10 AFG2009 AFG 2009 9.9
11 AFG2010 AFG 2010 14.6
12 AFG2011 AFG 2011 18.6
13 AFG2012 AFG 2012 22.7
14 AFG2013 AFG 2013 17.8
15 AFG2014 AFG 2014 16.3
16 AFG2015 AFG 2015 17.8
17 AFG2016 AFG 2016 19.4
18 AFG2017 AFG 2017 20.9
19 AFG2018 AFG 2018 NA
20 AGO2000 AGO 2000 39.8
21 AGO2001 AGO 2001 41.5
22 AGO2002 AGO 2002 43.1
23 AGO2003 AGO 2003 44.8
24 AGO2004 AGO 2004 46.4
25 AGO2005 AGO 2005 48.1
26 AGO2006 AGO 2006 49.8
27 AGO2007 AGO 2007 51.4
28 AGO2008 AGO 2008 53.1
29 AGO2009 AGO 2009 54.8
30 AGO2010 AGO 2010 56.4
31 AGO2011 AGO 2011 58.1
32 AGO2012 AGO 2012 59.7
33 AGO2013 AGO 2013 61.4
34 AGO2014 AGO 2014 NA
35 AGO2015 AGO 2015 NA
36 AGO2016 AGO 2016 NA
37 AGO2017 AGO 2017 NA
38 AGO2018 AGO 2018 NA
我现在想做的是在国家一级使用线性回归进行前后推断。我知道函数 na.locf 和 na.approx 但找不到任何可以做到这一点的选项。小鼠或 Amelia 似乎无法做到这一点，因为它们需要协变量。我只有一个变量。
复杂性在于我有 194 个国家/地区，因此我正在寻找可以为所有国家/地区执行此操作的东西。如果您能提供帮助，我将不胜感激！
我已经尝试过了，首先尝试提取斜率：
df_slope <- df2 %>%
mutate(slope=NA)%>%
group_by(iso3)%>%
mutate_cond(is.na(slope),slope=lm(anc4 ~year,.)$coefficients[[2]])%>%
ungroup()
..这当然行不通..
非常感谢！
【问题讨论】：
【参考方案1】：由于您只有一个变量，您唯一能做的就是使用year列作为自变量（即作为趋势值）来预测anc4 em>
下面的代码你可以使用base R找到线性回归的插补。
df <- as.data.frame(df)
df_model <- df[!is.na(df$anc4),]
predictions <- vector()
for(i in unique(df_model$iso3))
temp <- df_model[df_model[,2]==i,]
predictions <- c(predictions,predict(lm(anc4~year,temp),df[is.na(df$anc4) & df$iso3==i,]))
df[is.na(df$anc4),]$anc4 <- predictions
df
给予，
ID iso3 year anc4
1 AFG2000 AFG 2000 8.781212
2 AFG2001 AFG 2001 9.471515
3 AFG2002 AFG 2002 10.161818
4 AFG2003 AFG 2003 10.852121
5 AFG2004 AFG 2004 11.542424
6 AFG2005 AFG 2005 12.232727
7 AFG2006 AFG 2006 12.923030
8 AFG2007 AFG 2007 13.613333
9 AFG2008 AFG 2008 16.100000
10 AFG2009 AFG 2009 9.900000
11 AFG2010 AFG 2010 14.600000
12 AFG2011 AFG 2011 18.600000
13 AFG2012 AFG 2012 22.700000
14 AFG2013 AFG 2013 17.800000
15 AFG2014 AFG 2014 16.300000
16 AFG2015 AFG 2015 17.800000
17 AFG2016 AFG 2016 19.400000
18 AFG2017 AFG 2017 20.900000
19 AFG2018 AFG 2018 21.206667
20 AGO2000 AGO 2000 39.800000
21 AGO2001 AGO 2001 41.500000
22 AGO2002 AGO 2002 43.100000
23 AGO2003 AGO 2003 44.800000
24 AGO2004 AGO 2004 46.400000
25 AGO2005 AGO 2005 48.100000
26 AGO2006 AGO 2006 49.800000
27 AGO2007 AGO 2007 51.400000
28 AGO2008 AGO 2008 53.100000
29 AGO2009 AGO 2009 54.800000
30 AGO2010 AGO 2010 56.400000
31 AGO2011 AGO 2011 58.100000
32 AGO2012 AGO 2012 59.700000
33 AGO2013 AGO 2013 61.400000
34 AGO2014 AGO 2014 63.058242
35 AGO2015 AGO 2015 64.719341
36 AGO2016 AGO 2016 66.380440
37 AGO2017 AGO 2017 68.041538
38 AGO2018 AGO 2018 69.702637
【讨论】：
以上是关于使用线性回归为 R 中的一个变量和多个国家/地区估算缺失数据的主要内容，如果未能解决你的问题，请参考以下文章