関数predict()の使用方法について質問があります。
n 行 10 列のデータセットがあります。最初の列は従属変数で、他の変数は独立変数です。最初の変数、つまり x1 に 50% の欠損データがあり、他の変数は完全に観測されています。次のモデルの対応するケースと回帰係数を使用して、x1 (欠落部分) を予測したいと思います。
lm(new_A[,1]~new_A[,2]+new_A[,3]+new_A[,4]+new_A[,5]+new_A[,6]+new_A[,7]+new_A[,8]+new_A[,9]+new_A[,10]).
これが私のコードです:
set.seed(40)
n=10000 # number of observation
m=10 # number of variables
mis=50 # percentage of missing data on the dependent variable
# I randomly assign 50% of missing data on the first variable (the dependent one in my future model)
for (i in 1:m){
X[,i]=runif(n,0,1)
}
X=data.frame(X)
# I randomly assign 50% of missing data on the first variable (the dependent one in my future model)
aa=runif(n,0,1)
X_MCAR[which(aa<=sort(aa)[mis*(n/100)]),1]=NA
# First, I create 2 datasets. One for the group A (x1,obs, x2|x1,obs, x3|x1,obs, ..., xm|x1,obs) --> new_A
# and one for group B (x1,mis, x2|x1,mis, x3|x1,mis, ..., xm|x1,mis) --> new_B
new_A=data.frame(X_MCAR[is.na(X_MCAR[,1])==FALSE,])
new_B=data.frame(X_MCAR[is.na(X_MCAR[,1])==TRUE,])
# Second, I stock the result of the regression on the group A in reg_A.
reg_A=lm(new_A[,1]~new_A[,2]+new_A[,3]+new_A[,4]+new_A[,5]+new_A[,6]+new_A[,7]+new_A[,8]+new_A[,9]+new_A[,10])
# Third, I predict x1,obs and x1,mis by using the regression coefficient from A.
x1_obs_hat=predict(reg_A, new_A)
x1_mis_hat=predict(reg_A, new_B)
それらは異なるはずですが、実際にはまったく同じです。誰かが私を助けて、コードで何がうまくいかないのか教えてもらえますか? Bグループには異なる観測を使用しているため、x1_obs_hatとx1_mis_hatは異なるはずです..
ありがとうございました ：）