是否有一种忽略统计模型中NaN的一般方法？
我正在使用statsmodels＆＃39; AnovaRM函数用于对各种数据集运行重复测量ANOVA。不同行的不同列中缺少值。运行AnovaRM时，显然会为F值和p值返回nan。
我试过了
aovrm = AnovaRM(df3, 'RT', 'id', within=['iv'], missing = 'drop')
根据Ignoring missing values in multiple OLS regression with statsmodels中的建议，但这对AnovaRM似乎不起作用。
到目前为止，我只是简单地排除了缺少数据点的主题，但是a）真的不是重点，b）对许多数据集来说根本不可行。
答案 0 :(得分：1)
来自AnovaRM docstring
＆＃34;此实施目前仅支持完全平衡的设计。＆＃34;
https://github.com/statsmodels/statsmodels/blob/master/statsmodels/stats/anova.py#L413 （AnvaRM尚未在网上添加文档。）
因此，模型的一般缺失选项不适用于AnovaRM。这主要是因为作为重复测量ANOVA的基础的限制性假设。
作为替代方案，文献中的一般建议是使用混合效果模型，该模型在StatModel中的MixedLM中可用。 其他选择是使用GEE或固定效果与OLS。