R语言线性回归模型中na.rm参数的使用方法及替代方案咨询

首先明确：lm()函数本身没有na.rm参数，直接在lm里加这个参数是无效的。但你在scale()里用na.rm=TRUE是有作用的，不过它的效果和你想要的"移除所有缺失值"不是一回事，下面详细说明：

1. scale()中na.rm=TRUE的作用 #

scale()的na.rm参数是用来计算标准化所需的均值、标准差时忽略缺失值，但原始数据中的NA会保留下来。也就是说，某行如果DDF1是NA，scale(DDF1, na.rm=TRUE)后这一行还是NA，最终lm依然会默认把整行含NA的观测删掉（因为lm默认的na.action=na.omit）。

另外你的示例代码存在语法错误：比如dta$CTSO(dta$Year == 1997)这种写法不对，筛选子集应该用方括号[]，不是圆括号()。

2. 移除所有缺失值的正确方法 #

如果你想移除所有含缺失值的样本行，有两种更清晰的做法：

方法一：先清理数据，再做回归 #

先筛选出1997年的子集，再移除含缺失值的行，最后跑回归：

# 筛选1997年的数据
dta_1997 <- dta[dta$Year == 1997, ]
# 移除所有含缺失值的行
dta_clean <- na.omit(dta_1997)
# 运行线性回归（变量已标准化的话可以直接用，或者在公式里scale）
Model1 <- lm(CTSO ~ scale(VM) + scale(AVMT) + scale(DDF1), data = dta_clean)

方法二：在lm中指定na.action #

lm默认的na.action就是na.omit，会自动删除所有含缺失值的观测行。你可以直接在lm里用data参数指定子集，不用手动写向量索引：

Model1 <- lm(CTSO ~ scale(VM) + scale(AVMT) + scale(DDF1), 
             data = dta[dta$Year == 1997, ], 
             na.action = na.omit)

（因为na.omit是默认值，所以na.action参数可以省略不写）

3. 总结 #

• 不要在lm()函数里加na.rm，这个函数不支持该参数；
• scale()里的na.rm=TRUE仅用于计算标准化统计量时忽略NA，不会移除整行观测；
• 移除所有缺失值的核心是用na.omit()处理数据，或者依赖lm默认的na.action=na.omit行为；
• 写代码时尽量用data参数指定数据集，避免dta$变量名[子集]这种冗长且易出错的写法。

内容的提问来源于stack exchange，提问作者Lexi Kurszewski