线性回归Bootstrap抽样报错‘0 (non-NA) cases’求助

1. 先定位核心问题 #

执行na.omit(daten)后出现0 (non-NA) cases，本质是原始数据里，所有行的y、x1、x2、x3中至少有一个变量存在缺失值，或者你读入文件的路径/名称错误，导致数据根本没加载成功。

先跑以下代码排查：

# 验证文件路径是否有效
file.exists(filename)
# 查看数据结构，确认变量是否存在
str(daten)
# 统计每个变量的缺失值数量
colSums(is.na(daten))
# 查看前5行数据，确认数据是否正确读入
head(daten)

2. 针对性处理缺失值 #

不要直接对整个数据集删缺失值，只保留模型用到的变量的完整行：

# 仅保留y、x1、x2、x3都无缺失的行
daten1 <- daten[complete.cases(daten$y, daten$x1, daten$x2, daten$x3), ]
# 检查剩余样本量，确保大于0
nrow(daten1)

如果剩余样本量还是太少，考虑缺失值插补：

# 示例：用均值插补x1，中位数插补x2，均值插补y
daten$x1[is.na(daten$x1)] <- mean(daten$x1, na.rm = TRUE)
daten$x2[is.na(daten$x2)] <- median(daten$x2, na.rm = TRUE)
daten$y[is.na(daten$y)] <- mean(daten$y, na.rm = TRUE)
# 再筛选模型变量的完整行
daten1 <- daten[complete.cases(daten$y, daten$x1, daten$x2, daten$x3), ]

3. 替换Bootstrap工具包 #

如果car包的Boot函数还是有问题，换用更通用的boot包：

install.packages("boot")
library(boot)

# 定义提取回归系数的统计量函数
get_coef <- function(data, idx) {
  sub_data <- data[idx, ]
  lm_fit <- lm(y ~ x1+x2+x3, data = sub_data)
  return(coef(lm_fit))
}

# 执行Bootstrap抽样（5000次）
set.seed(123)
boot_res <- boot(data = daten1, statistic = get_coef, R = 5000)

# 计算95%置信区间（注意level参数填0.95，不是0.095）
boot.ci(boot_res, type = "perc", level = 0.95)

4. 右偏数据的额外建议 #

右偏数据直接做线性回归可能违反正态性假设，Bootstrap能一定程度缓解，但也可以先对响应变量y做变换（比如对数变换log(y)、平方根变换sqrt(y)），再进行回归和Bootstrap，注意结果解释要对应变换后的变量。

内容的提问来源于stack exchange，提问作者Matzo