R/RStudio新手求助：用线性回归拟合值填充age与tax缺失值

核心思路 #

先从原始数据中筛选出所有变量均无缺失值的子集，用这个子集训练回归模型；然后针对age或tax存在缺失的行，用模型预测拟合值来替换NA。

完整代码实现 #

# 假设你的数据框名为Data，变量名是小写：price、sqm、age、feats、ne、cor、tax
# 1. 筛选出所有变量都无缺失值的训练集
train_data <- Data[complete.cases(Data), ]

# 2. 训练age的回归模型（基于无缺失的训练数据）
lm_age <- lm(age ~ price + sqm + feats, data = train_data)

# 3. 训练tax的回归模型
lm_tax <- lm(tax ~ price + sqm + feats, data = train_data)

# 4. 填充age的缺失值
# 定位age为NA的行索引，用对应行的自变量数据预测拟合值
age_na_idx <- which(is.na(Data$age))
Data$age[age_na_idx] <- predict(lm_age, newdata = Data[age_na_idx, ])

# 5. 填充tax的缺失值
tax_na_idx <- which(is.na(Data$tax))
Data$tax[tax_na_idx] <- predict(lm_tax, newdata = Data[tax_na_idx, ])

关键细节解释 #

• 训练集的选择：complete.cases(Data)会筛选出所有变量（包括被预测的age/tax和自变量）都无缺失的行，确保训练模型的样本是完全完整的，避免lm自动删除含NA行带来的逻辑混乱。
• 变量名一致性：必须保证代码中的变量名和数据框Data里的命名完全一致（比如你数据里是小写age，就不要写成大写AGE，这是原代码的典型错误）。
• 简化预测逻辑：不需要复杂循环，直接定位缺失行的索引，将这些行的自变量数据作为newdata传入predict，就能精准生成对应缺失值的拟合结果并替换。

额外提示 #

如果你的自变量（price、sqm、feats等）也存在缺失值，需要先处理这些缺失，或者调整回归模型的自变量组合，确保训练集里的自变量都是完整的。

内容的提问来源于stack exchange，提问作者petar