如何从 R 中的 MCA（多重对应分析）中排除缺失值？答案

【问题标题】：How to exclude missing values from MCA (multiple correspondence analysis) in R?如何从 R 中的 MCA（多重对应分析）中排除缺失值？
【发布时间】：2014-03-11 21:59:30
【问题描述】：

在使用 SPSS 进行多重对应分析时，对于如何处理缺失值，有三种选择：一种可以排除缺失值、估算缺失值或排除具有缺失值的对象 (http://pic.dhe.ibm.com/infocenter/spssstat/v20r0m0/index.jsp?topic=%2Fcom.ibm.spss.statistics.help%2Fidh_mcan_missing.htm)。但是，R 包 FactoMineR (http://www.inside-r.org/packages/cran/FactoMineR/docs/MCA) 默认将缺失值视为额外级别。

为了弥补这个问题，存在missMDA 包，它使用户能够估算缺失值（http://math.agrocampus-ouest.fr/infoglueDeliverLive/developpement/missMDA）。如果您想对这些值执行此操作，那就太好了，但是如果您想排除它们怎么办？如何使用 R 实现这一目标？（我愿意使用与 FactoMineR 不同的软件包。）

【问题讨论】：

在不知道您在说什么的情况下，我会建议一个快速答案...有时选项 na.rm=TRUE 可以解决问题。你可以试试吗？
在不知道您的数据是什么样子的情况下，我只能提出一些有限的想法。您是否只想包括完整的案例（即没有缺失值的观察）？如果是这样，也许你正在寻找类似data[complete.cases(data), ]
@Frank 你的建议等同于 SPSS 提供的第三个选项 - 所以知道（因此我对你的评论投赞成票）很有用，但没有回答我的问题。我想要达到的目标有点不同。在分析每个变量时，我希望只考虑没有缺少该特定值的情况。（由于您询问了我的数据，它由不到三百个案例和十几个分类变量组成。在少数案例中，只有一个变量 - 始终相同 - 缺失，但我不想排除它们完全一致。）

标签： r

【解决方案1】：

您可以在 CRAN 上使用 soc.ca 包。它支持特定的多重对应分析——您可以在其中将缺失或任何其他类型的值设置为被动。它们仍然计入质量计算，但不包括在解决方案中。这是一种处理丢失数据而不会丢失您拥有的信息的优雅方式。您可以在此处阅读更多信息：

Le Roux、Brigitte 和 Henry Rouanet 2010 年多重对应分析。千橡树：贤者。

【讨论】：