統計分析：使用 R 入門/R/缺失資料

在收集資料時，某些資料點往往未知。這種情況出於多種原因發生。例如，在分析實驗資料時，我們可能記錄每個實驗的多個變數（例如，溫度、時間等），但可能忘記（或無法）記錄某個例項的溫度。或者，在收集美國各州的社會資料時，可能某些州沒有記錄某些感興趣的統計資料。另一個例子是泰坦尼克號沉沒的船上乘客資料，經過仔細研究，已經確定了船上 2207 人的票價等級，但無法確定 10 多名遇難者的年齡（參見 http://www.encyclopedia-titanica.org）。我們可能只忽略缺失資料，但在許多情況下，我們有一些變數的資訊，但其他變數沒有。例如，我們可能不想僅僅因為某個州缺少某個特定資料，就完全從分析中排除該州。因此，R 提供了一個特殊的值，NA，表示“不可用”。任何向量、數字、字元或邏輯都可以包含NA元素。這些元素可以透過“is.na”函式識別。

輸入

some.missing <- c(1,NA)
is.na(some.missing)

結果

some.missing <- c(1,NA)

is.na(some.missing) [1] FALSE TRUE

請注意，如果存在缺失資料，一些分析很難進行。可以使用“complete.cases”或“na.omit”來構建包含缺失值省略的資料集。