R：如何基于回归模型（glmm）对数据框进行子集化

Question

我有一个大型数据集（约 60k 行/观察，约 200 列/变量），并使用 lme4 使用一些变量运行了一系列广义线性混合模型 (glmm)。许多使用的变量都有缺失数据（我已经在适当的情况下使用插补或其他方法计算了大部分缺失数据，但仍然有很多），因此很明显，由于列表删除，许多行被排除在原始数据框中。

我现在需要做一些描述性统计工作（主要是频率，因为许多变量是有序/名义的）。

有没有一种简单的方法可以根据我给定的 glmms 中包含的观察结果来对原始数据框进行子集化？

调用模型中使用的数据很容易：

glmm1

但是，这只返回模型中使用的变量。我也想对该模型中未包含的变量（例如 var3 和 var4）进行描述性总结。

我可以编写一个从模型变量中排除 NA 的又长又脏的子集，但我认为必须有一个基本函数或包允许我通过 glmm 快速轻松地对 df1 进行子集。

（抱歉，如果这个问题已经得到解答，但我的搜索尝试只是让我了解如何在 lm 调用中使用子集功能）

Answer 1

我不知道如何使用内置功能来做到这一点，但是在模型变量中选择包含 NA 的行是很常见的任务。可能还有更简单的解决方案，但这是其中之一： 让我们从定义数据框和公式对象开始。请注意，第一个和最后 10 个观察值包含模型变量中的缺失值。我也将公式放入公式对象中，这样我们就可以同时使用它来提取变量以及运行模型本身。

testDf <- data.frame(y = rnorm(100), x1 = c(rnorm(90), rep(NA, 10)),
           x2 = c(rep(NA, 10), runif(90)), x3 = rnorm(100, 3), 
           var_level = rbinom(100, size = 3, prob = 0.5))

form <- y ~ x1 + x2 + (1|var_level)

现在注意：all.vars(form) 给出了上面定义的公式中包含的所有变量。我们使用lapply 在testDf 的所有选定列上运行is.na。结果列表由指示缺失值存在的逻辑向量组成。它可以使用Reduce 函数和逻辑或来聚合。聚合是一个逻辑向量，指向至少一个模型变量中包含 NA 的所有行。因此，要选择余数，它需要被否定。这是在以下行中完成的。

testDf[!Reduce("|", lapply(testDf[all.vars(form)], is.na)), ]

查看行号，我们看到前 10 行和最后 10 行已被删除。