使用 R 中的数字和分类变量解决回归问题

Question

我对统计和 R 很陌生，所以我的问题可能有点愚蠢，但由于我无法在网上找到我的解决方案，我想我应该尝试在这里提问。

我有一个包含很多不同变量的数据框dataset，如下所示：

 Item | Size   | Value    | Town
----------------------------------
A     |  10    |   800   | 1
B     |  11    |   100   | 2
A     |  17    |   900   | 2
D     |  13    |   200   | 3
B     |  15    |   500   | 1
C     |  12    |   250   | 3
E     |  14    |    NA   | 2
A     |        |   800   | 1
C     |        |   800   | 2

基本上，我必须尝试根据物品的类型、价值和出售的城镇来“猜测”尺寸，所以我认为回归方法是个好主意。

我尝试使用多项式回归（尽管我什至不确定这是否正确）通过使用类似于以下的函数来查看它的外观：

summary(lm(Size~ polym(factor(Item), Value, factor(Town), degree=2, raw=TRUE), dataset))

但当我尝试执行此操作时收到此警告消息：

Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases In addition: Warning message: In Ops.factor(X, Y, ...) : ‘^’ not meaningful for factors

谁能告诉我为什么会这样？更重要的是，我所做的是否正确？

我的第二个问题是关于回归中的 NA 值。在上面的数据集中，Value 列中有一个NA 值。据我了解，R 会忽略列中具有NA 值的行。但是如果我有很多 NA 值怎么办？此外，如果一列中只有一个 NA 值，那么自动消除整行似乎是浪费数据，所以我想知道是否有更好的方法来解决或解决这个问题。谢谢！

编辑：我还有一个问题：在我创建的回归模型中，测试数据中似乎存在新的“级别”，而这些新“级别”不在训练数据中（例如，错误为 factor(Town) has new levels）。对于这种情况，应该怎么做？

Answer 1

是的，按照@RemkoDuursma 的建议使用lm(Size ~ factor(Item) + factor(Town) + Value,...) 并通过比较残差来查看其他度数（您选择平方的原因是什么？）。

关于替换 NA 值，您有很多选择：

1. 用中间变量值替换所有变量
2. 用平均变量值替换所有内容
3. 用基于其他变量值的预测替换每个变量

祝你好运，下次你可能想看看https://stats.stackexchange.com/！