predict.lm当因变量 Y 的某些值丢失时，我不明白如何使用该命令从线性回归生成预测值，即使没有独立的 X 观测值丢失。从代数上讲，这不是问题，但我不知道在 R 中执行此操作的有效方法。以这个假数据框和回归模型为例。我尝试在源数据框中分配预测，但由于缺少一个 Y 值而无法这样做：我收到错误消息。
# Create a fake dataframe
x <- c(1,2,3,4,5,6,7,8,9,10)
y <- c(100,200,300,400,NA,600,700,800,900,100)
df <- as.data.frame(cbind(x,y))
# Regress X and Y
model<-lm(y~x+1)
summary(model)
# Attempt to generate predictions in source dataframe but am unable to.
df$y_ip<-predict.lm(testy)
Error in `$<-.data.frame`(`*tmp*`, y_ip, value = c(221.............
replacement has 9 rows, data has 10
我通过使用代数df$y<-B0+ B1*df$x生成预测或通过调用模型的系数生成预测来解决这个问题df$y<-((summary(model)$coefficients[1, 1]) + (summary(model)$coefficients[2, 1]*(df$x))；但是，我现在正在使用具有数百个系数的大数据模型，这些方法不再实用。我想知道如何使用该predict功能来做到这一点。
预先感谢您的帮助！