有8个测试和众多人口统计变量。我想省略那些没有完整测试数据的人，并将人口统计数据与原始数据集进行比较，以查看是否存在选择偏差。我将用卡方来做。
我已经尝试过na.omit，最后只得到了8个变量的新数据框。
dput(head(df))
structure(list(ï..leerlingnr2013 = 10048001:10048006, schoolnr = c(1004L,
1004L, 1004L, 1004L, 1004L, 1004L), toets_ws = c(78, 91, 75,
98, 79, 92), toets_dmt = c(103, 97, 112, 98, 71, 112), toets_bl = c(35,
57, 55, 63, 15, 46), toets_rw = c(109, 100, 115, 113, 92, 99),
citotaal = c(72L, 81L, 81L, 82L, 61L, 85L), citorekwisk = c(50L,
49L, 49L, 42L, 40L, 46L), citostudiev = c(31L, 36L, 35L,
34L, 31L, 34L), citowereld = c(NA_integer_, NA_integer_,
NA_integer_, NA_integer_, NA_integer_, NA_integer_), gebmaand = c(6L,
6L, 3L, 6L, 7L, 1L), gebjaar = c(2001L, 2002L, 2002L, 2001L,
2001L, 2002L), geslacht = c(1L, 2L, 2L, 2L, 1L, 1L), oplei_vader = c(3L,
3L, 3L, NA, 2L, NA), oplei_moeder = c(1L, 2L, 1L, 3L, 2L,
2L), CoolSES = c(3L, 3L, 3L, 4L, 2L, 2L), zorgleerling = c(0L,
0L, 0L, 0L, 1L, 0L), welblk = c(3.71428571428571, 3.71428571428571,
4.28571428571429, 3.71428571428571, 3.71428571428571, 3.42857142857143
), welbmll = c(3.66666666666667, 3.66666666666667, 3.83333333333333,
2.83333333333333, 2.66666666666667, 4.16666666666667), zelfvertr = c(4.16666666666667,
2.16666666666667, 3.66666666666667, 4.16666666666667, 3,
3.66666666666667), taak = c(3.8, 3.8, 4.6, 4.6, 4.2, 3.4),
bekwaming = c(3.77777777777778, 3.44444444444444, 4.11111111111111,
4.66666666666667, 3, 3.33333333333333), extrinsiek = c(3,
2.66666666666667, 3.66666666666667, 3.44444444444444, 2.11111111111111,
3.33333333333333), prestatie = c(2.57142857142857, 3.85714285714286,
3.28571428571429, 1.57142857142857, 1.71428571428571, 2.28571428571429
), sociaal = c(3.57142857142857, 2.57142857142857, 3.42857142857143,
3.57142857142857, 3.28571428571429, 3.28571428571429)), row.names = c(NA,
6L), class = "data.frame")