Giá trị Null trong phân tích hồi quy theo trọng số địa lý


12

Một số biến giải thích của tôi có một vài giá trị null cho một số đa giác nhất định.

Phân tích hồi quy theo trọng số địa lý có thể xử lý những điều này hay tôi nên loại bỏ toàn bộ đa giác và tất cả dữ liệu (các biến phụ thuộc và độc lập cho đa giác cụ thể đó)?


Những null này đại diện cho cái gì? Rằng một giá trị không được áp dụng hoặc nó tồn tại nhưng không rõ? Nếu sau này, tại sao nó không được biết? . đó là thông tin quan trọng và có nghĩa là nhiều hơn một giá trị đơn thuần.)
whuber

1
Cảm ơn bạn, một số null đại diện cho dữ liệu đã bị bỏ qua để bảo mật do các đơn vị tổng hợp nhỏ, một số khác chỉ đơn giản là không có sẵn nhưng không phải là kết quả của các biến giải thích ảnh hưởng đến các varibales khác. Tôi có các giá trị 0 thực, theo đó, số 0 biểu thị không có sự kiện / tỷ lệ nào cho đa giác cụ thể đó và tôi cũng có một số giá trị null trong đó dữ liệu bị thiếu. Vì tôi có khoảng 29 biến giải thích để bắt đầu, nếu tôi loại bỏ các đa giác trong đó các hàng chứa null, tôi sẽ mất 8 đa giác trong số 279 và tôi hy vọng tôi không phải làm vậy. Cảm ơn bạn!
I Heart Beats

Tôi rất vui vì bạn có thông tin và lý thuyết về sự mất tích. Bạn có thể muốn thận trọng một chút về các đơn vị nhỏ đó, bởi vì các giá trị của bất kỳ biến nào có thể liên quan đến kích thước của khu vực mà nó đại diện, do đó tạo ra sự thiên lệch tiềm năng trong mô hình thiếu.
whuber

2
Bạn có thể kết hợp null bằng cách giới thiệu các biến để chỉ ra sự hiện diện của chúng và mã hóa tất cả các kết quả null ban đầu với một giá trị chung (giá trị bạn chọn không thực sự quan trọng). Bạn sẽ cần một chỉ báo riêng cho mỗi biến chứa bất kỳ null nào. Dù bạn làm gì, đừng chỉ thay thế null bằng số không (hoặc bất kỳ hằng số nào khác)! Null có nghĩa là một cái gì đó hoàn toàn khác không.
whuber

1
@whuber Có vẻ như có thể có đủ ý kiến ​​của bạn để viết câu trả lời cho câu hỏi này.
PolyGeo

Câu trả lời:


1

Bạn có thể thử đoán các giá trị 'null' từ dữ liệu xung quanh. Điều đó sẽ tốt hơn là bỏ chúng đi, bởi vì cách đó bạn sẽ không mất dữ liệu. Tất nhiên bạn phải cẩn thận trong cách bạn đoán các giá trị. Bởi vì nếu dự đoán của bạn là sai lệch, mô hình của bạn cũng sẽ được.

xem thêm: http://handbook.cochrane.org/ch CHƯƠNG_16 / 16_1_2_general_principles_for_deals_with_missing_data.htmlm

và:

Chú ý:

Bất cứ khi nào sử dụng shapefiles, hãy nhớ rằng chúng không thể lưu trữ giá trị null. Do đó, các công cụ hoặc quy trình khác tạo shapefile từ các đầu vào không đặc biệt có thể lưu trữ các giá trị null dưới dạng 0 hoặc một số âm rất nhỏ (-DBL_MAX = -1.7976931348623158e + 308). Điều này có thể dẫn đến kết quả bất ngờ. Xem thêm: Xem xét xử lý địa lý cho đầu ra shapefile. ( http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-statistic-toolbox/geographologists- weighted-regression.htmlm )

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.