我正在测试随机截距，为增长曲线建模做准备。
因此，我首先创建了一个宽子集，然后将其转换为长数据集。
使用长数据集计算我的ModelM1 <- gls(ent_act~1, data=school_l)，我收到一条错误消息，因为我有缺失值。在我的长子集中，这些值表示为 NaN。
申请temp<-na.omit(school_l$ent_act)时，我可以计算ModelM1。但是，在计算 ModelM2 ModelM2 <- lme(temp~1, random=~1|ID, data=school_l) 时，我会收到错误消息，即我的变量长度不定。
如何处理这些缺失值？ 有什么想法或建议吗？
【问题讨论】：
标签： r nan na missing-data
您可能会获得成功的是制作一个临时数据框，您可以在其中删除通过否定缺失条件索引的整行：!is.na(school_1$ent_act)
temp<-school_l[ !is.na(school_l$ent_act), ]
然后重新运行lme 调用。现在应该没有可变长度的不匹配了。
ModelM2 <- lme(ent_act ~1, random= ~1|ID, data=school_l)
请注意，使用 school_l 可能会造成混淆，因为以 Times 字体查看时，它看起来非常像 school_1。
【讨论】：
temp<-!is.na(school_l$ent_act) ModelM1 <- gls(temp~1, data=school_l) summary(ModelM1) # 所有人和所有时间点的平均 ent_act：0.6509222，p 值 = 0 logLik(ModelM1) # 拟合统计量：越接近 0 越好（预测中的错误越少）--> -1510.926 deviance1 <- logLik(ModelM1)*-2 #Deviance
ModelM2 <- lme(temp~1, random=~1|ID, data=school_l) summary(ModelM2) logLik(ModelM2) #-1510.926（与模型1相同）deviance2 <- logLik(ModelM2)*-2deviance1 - deviance2#偏差差异：-3.159585e-09（几乎为0 ) anova(ModelM1, ModelM2) # p-value = 1，绝对不显着。