有哪些替代 leap() 函数且能够处理缺失值的方法？

Question

需要应用分支定界方法来选择最佳模型。从leaps包中的leaps()函数表现良好，但仅适用于数据没有NA值的情况，否则会出错：

#dummy data
x<-matrix(rnorm(100),ncol=4)
#convert to 0,1,2 - this is a genetic data, NA=NoCall
x<-matrix(round(runif(100)*10) %% 3,ncol=4)
#introduce NA=NoCall
x[1,1] <-NA
#response, case or control
y<-rep(c(0,1,1,0,1),5)
leaps(x,y)

Error in leaps.setup(x, y, wt = wt, nbest = nbest, nvmax = NCOL(x) + int,  : 
  NA/NaN/Inf in foreign function call (arg 4)

仅使用complete.cases()不是选项，因为我会失去80%的数据。

除了leap之外，有什么可以处理NA的替代方法吗？我正在编写自己的函数来做类似的事情，但它变得又大又笨重，感觉自己在重新发明轮子...

更新： 我已经尝试使用stepAIC()，面临着同样的缺失数据问题：

Error in stepAIC(fit) : 
  number of rows in use has changed: remove missing values?

- zx8754

---

对于您的数据，输入NA是否合理？而stepAIC()（前向和后向）真的不好吗？ - Stephen Henderson

填补缺失值不是一个选项。stepAIC() 函数是否会遍历每种可能的组合？ - zx8754

不像step()函数一样，MASS::stepAIC()函数不进行前向、后向或双向搜索。对于大多数数据集，通常会找到与leaps()函数相同的模型（我想是这样的吧？？？）。 - Stephen Henderson

好的，需要一个大局观澄清；您考虑如何比较建立在不同数据集上的两个模型？或者这是问题的一部分吗？ - Aaron left Stack Overflow

@Aaron担心这篇文章会变成统计数据，我将提供更多细节：有大约50个变量，意图是构建最佳模型（首选AIC，但可以是任何东西）。计算50个变量的所有可能组合是不可行的，因此考虑使用分支和界限法。理想情况下，我需要一个函数(data, glm(outcome~all combinations), bootstrap=1000, return(best model(AIC)))。 - zx8754

这部分内容涉及到统计问题，因为AIC不能比较使用不同数据集构建的模型。因此，为了比较具有和不具有某些变量的模型，您需要删除那些变量缺失值的行。引用Ben Bolker的话，“您可能需要重新考虑您的建模策略”。否则，您也可以研究AIC的变体，通过快速的谷歌搜索，可以找到一篇最近的JASA文章，这可能是一个很好的起点。 - Aaron left Stack Overflow

Answer 1

您可以尝试使用bestglm::bestglm，其中可以指定分支限界法。NAs可以通过na.action参数处理，就像在glm中一样。有关更多信息，请参见此处： http://cran.r-project.org/web/packages/bestglm/vignettes/bestglm.pdf

- David Z

---

感谢您提到bestglm包，我之前不知道它的存在。但是这个包也需要删除NA行，而我正试图避免这种情况。 - zx8754

Answer 2

这是一个统计问题，因为AIC不能比较使用不同数据集构建的模型。因此，要比较具有和不具有某些变量的模型，您需要删除那些变量缺失值的行。您可能需要“重新考虑您的建模策略”，引用Ben Bolker的话。否则，您也可以研究AIC的变体，快速谷歌搜索会出现最近的JASA文章，这可能是一个很好的起点。

{{link1：- Aaron}}

- zx8754

---

我在使用 bestglm(train, IC="AIC") 时遇到了完全相同的错误。我的数据框中没有空值，而是一些零值。 - SIslam