我有这个数据集：
年龄 - 工作-------贷款 - y
57 - 退休 - - - 是 - 否
44 - admin - - - no - no
39 - 未知 - 不 - 不
47 - 服务 - 否 - 是
41 - 管理员-----否 - NA
51-老师---是 - 没有
45 - 未知 - 不 - 是
57 - 退休------不 - 不是
42-老师-----不--NA
30-学生-----不 - NA
我想通过使用逻辑回归来预测y的所有值，但我只得到10个预测中的7个。因此，它省略了y==NA的案例。
这是我的代码：
fit <- glm(y~ age+ as.factor(job)+ as.factor(loan), data= mydat, family=binomial)
predict( fit, type="response", na.action=na.pass)
即使在缺少值的情况下，如何预测响应值y？
答案 0 :(得分：3)
您的问题有点令人困惑，因为您要么需要一个mulinomial logit / probit模型，其中NA是第三类结果，或者您想要一个插补模型根据其他数据填充y的值。正如@Roland所回答的那样，您无法使用glm提供的二进制结果模型来预测缺失值。
如果是前者（多项logit / probit模型），请查看您的选项on the Econometrics Task View。
答案 1 :(得分：1)
如果您没有某些内容的数据，则无法对其进行建模，因此无法预测。例如，没有贷款的学生没有数据。那么你如何建议没有贷款的学生预测y？这需要魔法。
另一方面，如果您从模型中省略作业或以某种方式重新编码（例如，初学者/经验/未知），您可以预测所有案例。最好的建议当然是获取更多数据。
答案 2 :(得分：0)
从您的数据中删除“student”并在predict中使用newdata参数：
predict(fit,newdata=mydat,type="response")