我正在创建一个带有二元响应的模型（购买与不购买），我有一些应该预测响应的变量，有些变量有不同的级别，有些只是数字。所以我进行了多重逻辑回归。我现在使用的代码是：
Data.omit = na.omit(Data)
model.null = glm(aankoop ~ 1, data=Data.omit,family =binomial(link="logit"))
model.full = glm(aankoop ~.,data=Data.omit,family = binomial(link="logit"))
step(model.null,scope = list(upper=model.full),direction="both",test="Chisq",data=Data)
model.final = glm(aankoop ~ duration + number_of_pages + recentvisits +householdtypology_gfk + device + os + engine + browser + medium,data=tabelx3,family = binomial(link="logit"),na.action(na.pass))
summary(model.final)
我对此有一些疑问。由于一个变量，我的数据有很多缺失值。如果由于一个变量而删除具有缺失值的所有行将会很遗憾，许多信息将丢失。
如果我查看代码，model.final没有使用数据集Data.omit，那么这是否意味着这包括所有缺少值的行？我尝试使用na.action（na.pass），但我发现如果我使用na.action（na.omit），结果是一样的，那有什么区别？
是否有可能根据NA值的所有行创建模型？一个细节是具有许多缺失值的变量具有NA，这意味着用户未被注册。只有当它不是NA时，才意味着用户已注册并填写了此信息。所以变量实际上有一个含义，如果它是NA。如果这些值（对于非注册用户）是由注册用户的值预测的，我认为这是错误的。