许多调查都有不同类型缺失的代码。例如，一个密码本可能表明：
0-99 数据
-1 未提出问题
-5 不知道
-7 拒绝回应
-9 未询问模块
Stata 有一个很好的工具来处理这些多种缺失，因为它允许你分配一个通用的 .缺失数据，但也允许更具体的缺失类型（.a、.b、.c、...、.z）。所有查看缺失的命令都会报告所有缺失条目的答案，但您也可以稍后整理出各种缺失。当您认为拒绝回答对插补策略的影响与未提出问题的影响不同时，这尤其有用。
我从未在 R 中遇到过这样的设施，但我真的很想拥有这种能力。有什么方法可以标记几种不同类型的 NA？我可以想象创建更多数据（长度为 nrow(my.data.frame) 的向量包含缺失类型，或者更紧凑的索引，其中行具有哪些类型的缺失），但这似乎很笨拙。
【问题讨论】：
标签： r data-structures stata survey missing-data
我想在这里添加“统计背景组件”。 Statistical analysis with missing data 是一本很好的读物。
【讨论】：
我通常将它们用作值，正如 Ralph 已经建议的那样，因为缺失值的类型似乎是数据，但在一两次我主要希望它用于文档的情况下，我在值上使用了一个属性，例如
> a <- NA
> attr(a, 'na.type') <- -1
> print(a)
[1] NA
attr(,"na.type")
[1] -1
这样我的分析是干净的，但我仍然保留文档。但正如我所说：通常我会保留这些价值观。
艾伦。
【讨论】：
我知道你在寻找什么，但它没有在 R 中实现。我不知道实现它的包，但自己编写代码并不太难。
一种可行的方法是将数据框添加到包含代码的属性中。为了防止将整个数据帧翻倍并节省空间，我会在该数据帧中添加索引，而不是重建完整的数据帧。
例如：
NACode <- function(x,code){
Df <- sapply(x,function(i){
i[i %in% code] <- NA
i
})
id <- which(is.na(Df))
rowid <- id %% nrow(x)
colid <- id %/% nrow(x) + 1
NAdf <- data.frame(
id,rowid,colid,
value = as.matrix(x)[id]
)
Df <- as.data.frame(Df)
attr(Df,"NAcode") <- NAdf
Df
}
这允许这样做：
> Df <- data.frame(A = 1:10,B=c(1:5,-1,-2,-3,9,10) )
> code <- list("Missing"=-1,"Not Answered"=-2,"Don't know"=-3)
> DfwithNA <- NACode(Df,code)
> str(DfwithNA)
'data.frame': 10 obs. of 2 variables:
$ A: num 1 2 3 4 5 6 7 8 9 10
$ B: num 1 2 3 4 5 NA NA NA 9 10
- attr(*, "NAcode")='data.frame': 3 obs. of 4 variables:
..$ id : int 16 17 18
..$ rowid: int 6 7 8
..$ colid: num 2 2 2
..$ value: num -1 -2 -3
还可以调整该函数以添加一个额外的属性，为您提供不同值的标签，另请参见this question。您可以通过以下方式进行反向转换：
ChangeNAToCode <- function(x,code){
NAval <- attr(x,"NAcode")
for(i in which(NAval$value %in% code))
x[NAval$rowid[i],NAval$colid[i]] <- NAval$value[i]
x
}
> Dfback <- ChangeNAToCode(DfwithNA,c(-2,-3))
> str(Dfback)
'data.frame': 10 obs. of 2 variables:
$ A: num 1 2 3 4 5 6 7 8 9 10
$ B: num 1 2 3 4 5 NA -2 -3 9 10
- attr(*, "NAcode")='data.frame': 3 obs. of 4 variables:
..$ id : int 16 17 18
..$ rowid: int 6 7 8
..$ colid: num 2 2 2
..$ value: num -1 -2 -3
这允许只更改您想要的代码，如果有必要的话。当没有给出参数时，该函数可以适用于返回所有代码。根据代码可以构造类似的函数来提取数据，我想你可以自己弄清楚。
但总而言之：使用属性和索引可能是一种不错的方式。
【讨论】：
code 列表接受 NA 而不仅仅是负整数和正整数，那就太好了。
最明显的方式似乎是使用两个向量：
NA 表示。例如，c(2, 50, NA, NA)
factor(c(1, 1, -1, -7)) 其中因子 1 表示正确回答的问题。拥有这种结构会给您带来很大的灵活性，因为所有标准的na.rm 参数仍然适用于您的数据向量，但您可以将更复杂的概念与因子向量一起使用。
更新来自@gsk3 的以下问题
我应该声明我从未分析过调查数据（尽管我分析过大型生物数据集）。我上面的回答似乎很有防御性，但这不是我的意图。我认为您的问题很好，我对其他回答感兴趣。
【讨论】：
您可以完全放弃 NA，而只使用编码值。然后，您还可以将它们汇总到全局缺失值。我通常更喜欢在没有 NA 的情况下进行编码，因为 NA 会导致编码出现问题，并且我希望能够准确控制分析中的内容。如果还使用字符串“NA”来表示 NA，这通常会使事情变得更容易。
-拉尔夫·温特斯
【讨论】：
这不仅仅是一个“技术”问题。您应该对缺失值分析和插补有全面的统计背景。一种解决方案需要使用 R 和 ggobi。您可以为几种类型的 NA 分配极负的值（将 NA 放入边距），并“手动”进行一些诊断。您应该记住，NA 分为三种类型：
恕我直言，这个问题更适合CrossValidated。
但这里有一个来自 SO 的链接，您可能会发现它很有用：
Handling missing/incomplete data in R--is there function to mask but not remove NAs?
【讨论】：
NA——就像@Ralph 建议的那样。
attr 添加到您的数据中是最终的解决方案（尽管它仍然是一种解决方法）......男孩，我的答案是无用的还是什么？！ =)