r - 在 R 中预测/估算泊松 GLM 回归的缺失值？

Question

我正在尝试探索在数据集中填补缺失值的方法。我的数据集包含年份(2001-2009)、月份(1-12)、性别(男/女)和年龄组(4 组)的发生次数(非自然、自然和总和)。

我正在探索的插补技术之一是(泊松)回归插补。

假设我的数据如下所示:

    Year Month Gender AgeGroup Unnatural Natural Total
569 2006     5   Male     15up       278     820  1098
570 2006     6   Male     15up       273     851  1124
571 2006     7   Male     15up       304     933  1237
572 2006     8   Male     15up       296    1064  1360
573 2006     9   Male     15up       298     899  1197
574 2006    10   Male     15up       271     819  1090
575 2006    11   Male     15up       251     764  1015
576 2006    12   Male     15up       345     792  1137
577 2007     1 Female        0        NA      NA    NA
578 2007     2 Female        0        NA      NA    NA
579 2007     3 Female        0        NA      NA    NA
580 2007     4 Female        0        NA      NA    NA
581 2007     5 Female        0        NA      NA    NA
...

进行基本的 GLM 回归后 - 96 个观测值因缺失而被删除。

R中是否有一种方法/包/函数可以使用此GLM模型的系数来“预测”(即插补)Total的缺失值(即使它只是将其存储在单独的数据框中 - I会使用Excel来合并它们)？我知道我可以使用系数来预测不同的层次结构行 - 但这将需要很长时间。希望有一种单步函数/方法吗？

Call:
glm(formula = Total ~ Year + Month + Gender + AgeGroup, family = poisson)

Deviance Residuals: 
      Min         1Q     Median         3Q        Max  
-13.85467   -1.13541   -0.04279    1.07133   10.33728  

Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
(Intercept)   13.3433865  1.7541626   7.607 2.81e-14 ***
Year          -0.0047630  0.0008750  -5.443 5.23e-08 ***
Month          0.0134598  0.0006671  20.178  < 2e-16 ***
GenderMale     0.2265806  0.0046320  48.916  < 2e-16 ***
AgeGroup01-4  -1.4608048  0.0224708 -65.009  < 2e-16 ***
AgeGroup05-14 -1.7247276  0.0250743 -68.785  < 2e-16 ***
AgeGroup15up   2.8062812  0.0100424 279.444  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

(Dispersion parameter for poisson family taken to be 1)

    Null deviance: 403283.7  on 767  degrees of freedom
Residual deviance:   4588.5  on 761  degrees of freedom
  (96 observations deleted due to missingness)
AIC: 8986.8

Number of Fisher Scoring iterations: 4

Answer 1

首先，要非常小心随机丢失的假设。你的例子看起来失踪与女性和年龄组同时发生。您应该真正测试缺失是否与任何预测变量相关(或者是否有任何预测变量缺失)。如果是这样，响应可能会出现偏差。

其次，您正在寻找的函数可能是predict，它可以采用glm模型。请参阅 ?predict.glm 了解更多指导。您可能需要拟合级联模型(即嵌套模型)来解决缺失值。