R 根据可用的非缺失列数据应用正确的模型

示例数据：

var1 <- matrix(sample(c(NA, 1:3), 10, replace = TRUE), 10,1)
var2 <- matrix(sample(c(NA, 1:3), 10, replace = TRUE), 10,1)
var3 <- matrix(sample(c(NA, 1:3), 10, replace = TRUE), 10,1)
var4 <- matrix(sample(c(NA, 1:3), 10, replace = TRUE), 10,1)
var5 <- matrix(sample(c(NA, 1:3), 10, replace = TRUE), 10,1)

NewDataframe <- as.data.frame(cbind(var1,var2,var3,var4,var5))
names(NewDataframe) <- c("var1","var2","var3","var4","var5")

NewDataframe[is.na(NewDataframe)] <- ""

par1 <- data.frame(var1=2,var3=5,var4=3)
par2 <- data.frame(var2=4,var5=7)

用正确的

par

variables

var1

atc预乘每行新数据帧。

---

par1

或

par2

不适用的行保留为空。如何处理这个问题？谢谢

我已经简化了您的一些代码，使用

predict（）

作为自己进行矩阵乘法的更方便的替代方法

dataframe <- data.frame(y=rbinom(100,2,0.4),var1=rnorm(100,2,2),var2=rnorm(100,3,4),var3=rnorm(100,4,5),var4=rnorm(100,5,6),var5=rnorm(100,30,3))

model1 <- lm(y~var1+var3, data=dataframe)
model2 <- lm(y~var2+var4+var5, data=dataframe)

var1 <- matrix(sample(c(NA, 1:3), 100, replace = TRUE), 100,1)
var2 <- matrix(sample(c(NA, 1:3), 100, replace = TRUE), 100,1)
var3 <- matrix(sample(c(NA, 1:3), 100, replace = TRUE), 100,1)
var4 <- matrix(sample(c(NA, 1:3), 100, replace = TRUE), 100,1)
var5 <- matrix(sample(c(NA, 1:3), 100, replace = TRUE), 100,1)

NewDataframe <- as.data.frame(cbind(var1,var2,var3,var4,var5))
names(NewDataframe) <- c("var1","var2","var3","var4","var5")

生成两个向量，一个使用

model1

表示相关列中没有

NA

s的行，另一个使用

model2

表示所有其他行

y.hat1 <- predict(model1, newdata=NewDataframe[m1.ids, ])
y.hat2 <- predict(model2, newdata=NewDataframe[!m1.ids, ])

---

y.hat1如果我理解正确，您有两种模型：首选但变量更多（且
NA
的可能性更高），和不太详细（但对
NA
更稳健）。您希望有选择地选择估算值，首选第一个模型，如果无法获得估算值，则使用第二个模型。对吗？对，对。我要简化我的问题。希望这次我能做到正题！
y.hat1 <- predict(model1, newdata=NewDataframe[m1.ids, ])
y.hat2 <- predict(model2, newdata=NewDataframe[!m1.ids, ])

NewDataframe <- rbind(data.frame(NewDataframe[m1.ids,], y.hat=y.hat1),
                      data.frame(NewDataframe[!m1.ids,], y.hat=y.hat2))