上限范围有术语“NA”未包含在模型中

Question

我正在处理一个数据集，并希望使用一些变量进行逐步逻辑回归，为此我使用 R 中的 add1() 函数。可以从此处的链接下载数据集的示例：https://drive.google.com/file/d/0B0N-Nc7kEi4bVjhDd1FDaEE5cEE/view?usp=sharing

因此，我使用以下方法拟合逻辑回归：

train <- read.csv('training.csv')
glm.model_step_1 <- glm(loan_status ~ acc_open_past_24mths + annual_inc + avg_cur_bal + bc_open_to_buy + delinq_2yrs + dti + inq_last_6mths + installment + int_rate + mo_sin_old_il_acct + mo_sin_old_rev_tl_op + mo_sin_rcnt_rev_tl_op + mo_sin_rcnt_tl + mort_acc + mths_since_last_delinq + mths_since_recent_bc + mths_since_recent_inq + num_accts_ever_120_pd + num_actv_bc_tl + num_actv_rev_tl + num_bc_tl + num_il_tl + num_op_rev_tl + num_tl_op_past_12m + pct_tl_nvr_dlq + percent_bc_gt_75 + pub_rec_bankruptcies + revol_bal + revol_util + term + total_acc + total_bc_limit + total_il_high_credit_limit + fico_mean + addr_state + emp_length + verification_status + Count_NA + Info_missing + Engineer + Teacher + Doctor + Professor + Manager + Director + Analyst + senior + lead + consultant + home_ownership_own + home_ownership_rent + purpose_debt_consolidation + purpose_medical + purpose_credit_card + purpose_other,
                    data = train, 
                    family = binomial(link = 'logit'))

并使用add1() 函数进行前向选择。

add1(glm.model_step_1, scope = train)

此代码不起作用。我收到以下错误：

Error in factor.scope(attr(terms1, "factors"), list(add = attr(terms2, : upper scope has term ‘NA’ not included in model

有谁知道如何解决这个错误？

之前在 datascience.stackexchange (https://datascience.stackexchange.com/questions/11604/checking-regression-coefficients-stability) 上提出的一个问题提到了检查 NA。数据集中没有任何 NA，可以通过运行 sapply(train, function(x) sum(is.na(x)) 来确认

Answer 1

@Jash Sash 的 train 数据集有一些异常值，其中强制 read.csv 读取一些数值变量作为具有许多类别的因子。
无论如何，我在这里考虑一个只有几个变量的模型，以展示如何避免上面报告的错误消息。
请记住，scope 参数必须是“公式，给出要考虑添加或删除的条款”；它不能是 @Jash Sash 代码中的 data.frame。

train <- read.csv('training.csv')
numeric <- apply(train,2,is.factor)

glm.model_step_1 <- glm(loan_status ~ acc_open_past_24mths + avg_cur_bal + bc_open_to_buy,
                    data = na.omit(train), 
                    family = binomial(link = 'logit'))

add1(glm.model_step_1, scope=~.+delinq_2yrs+inq_last_6mths+int_rate)

结果是：

Model:
loan_status ~ acc_open_past_24mths + avg_cur_bal + bc_open_to_buy
               Df Deviance    AIC
<none>              1038.6 1046.6
delinq_2yrs     1   1037.9 1047.9
inq_last_6mths  1   1038.0 1048.0
int_rate        1   1038.0 1048.0