glm 函数导致数据框发生奇怪的变化

Question

我正在使用 quantmod 处理 IBM 的数据集。我创建了两个变量，然后我使用 glm 函数来查看它们两者之间的关系。代码运行很好，但后来我注意到数据框的一部分包含 NAs。我怎样才能克服这个问题？这是我的代码：

library("quantmod")
getSymbols("IBM")
dim(IBM)
IBM$CurrtDay_up <- ifelse(IBM$IBM.Open < IBM$IBM.Close,1,0)
IBM$LastDay_green <- ifelse((lag(IBM$IBM.Open,k=1) < lag(IBM$IBM.Close,k=1)),1,0)
head(IBM)
           IBM.Open IBM.High IBM.Low IBM.Close IBM.Volume IBM.Adjusted CurrtDay_up LastDay_green
2007-01-03    97.18    98.40   96.26     97.27    9196800     82.78498           1            NA
2007-01-04    97.25    98.79   96.88     98.31   10524500     83.67011           1             1
2007-01-05    97.60    97.95   96.91     97.42    7221300     82.91264           0             1
2007-01-08    98.50    99.50   98.35     98.90   10340000     84.17225           1             0
2007-01-09    99.08   100.33   99.07    100.07   11108200     85.16802           1             1
2007-01-10    98.50    99.05   97.93     98.89    8744800     84.16374           1             1

然后我添加了glm函数：

IBM_1 <- IBM[3:1000,] # to avoid the first row's NA.
glm_greenDay <- glm(CurrtDay_up~LastDay_green,data=IBM_1,family=binomial(link='logit'))
IBM_1$glm_pred<-predict(glm_greenDay,newdata=IBM_1,type='response')
head(IBM_1)
           IBM.Open IBM.High IBM.Low IBM.Close IBM.Volume IBM.Adjusted CurrtDay_up LastDay_green  glm_pred
2007-01-04       NA       NA      NA        NA         NA           NA          NA            NA 0.5683453
2007-01-05    97.60    97.95   96.91     97.42    7221300     82.91264           0             1        NA
2007-01-07       NA       NA      NA        NA         NA           NA          NA            NA 0.5407240
2007-01-08    98.50    99.50   98.35     98.90   10340000     84.17225           1             0        NA
2007-01-08       NA       NA      NA        NA         NA           NA          NA            NA 0.5683453
2007-01-09    99.08   100.33   99.07    100.07   11108200     85.16802           1             1        NA

更新代码（请注意，一行（第 2 行）已重复：:

 IBM_1<-IBM[complete.cases(IBM[1:1000,]),] # to evoid the first row's NA.
 glm_greenDay<-glm(CurrtDay_up~LastDay_green,data=IBM_1,family=binomial(link='logit'))
 IBM_1$glm_pred<-glm_greenDay$fitted.values
 head(IBM_1)
           IBM.Open IBM.High IBM.Low IBM.Close IBM.Volume IBM.Adjusted CurrtDay_up LastDay_green  glm_pred
2007-01-03       NA       NA      NA        NA         NA           NA          NA            NA 0.5691203
2007-01-04    97.25    98.79   96.88     98.31   10524500     83.67011           1             1        NA
2007-01-04       NA       NA      NA        NA         NA           NA          NA            NA 0.5691203
2007-01-05    97.60    97.95   96.91     97.42    7221300     82.91264           0             1        NA
2007-01-07       NA       NA      NA        NA         NA           NA          NA            NA 0.5407240
2007-01-08    98.50    99.50   98.35     98.90   10340000     84.17225           1             0        NA

Answer 1

可能是您构建最终数据框的方式以及 R 处理 NA 的方式。

我阅读代码的方式是将结果列添加到数据框中：

IBM_1$glm_pred<-glm_greenDay$fitted.values

您可以将结果放入一个单独的对象中，并使用 cbind 将其附加到数据框的其余部分，而无需跨列传播 NA

也许……

glm_pred<-matrix(glm_greenDay$fitted.values,ncol=1)
IBM_glm<-cbind(IBM_1,glm_pred)

不知道这是否是最优雅的，但可能是一个开始。

Answer 2

出现问题是因为 predict() 的输出不是 xts class 对象。预测值向量中的槽有名称的日期，但该向量仍然只是一个没有时间索引的向量。通过首先将 predict() 的输出转换为 class xts，我能够在建模前不丢弃 NA 的情况下简单地调用 merge() 来工作：

library(quantmod)
getSymbols("IBM")
IBM$CurrtDay_up <- ifelse(IBM$IBM.Open < IBM$IBM.Close, 1, 0)
IBM$LastDay_green <- ifelse((lag(IBM$IBM.Open, k=1) < lag(IBM$IBM.Close, k=1)), 1, 0)
glm_greenDay <- glm(CurrtDay_up~LastDay_green, data=IBM, family=binomial(link='logit'), na.action=na.exclude)
glm_pred <- predict(glm_greenDay, type='response')
glm_pred_xts <- xts(x = glm_pred, order.by = as.Date(names(glm_pred)))
IBM2 <- merge(IBM, glm_pred_xts)

这似乎产生了所需的输出：

> head(glm_pred)
2007-01-03 2007-01-04 2007-01-05 2007-01-08 2007-01-09 2007-01-10 
        NA  0.5383952  0.5383952  0.5383065  0.5383952  0.5383952 

> head(IBM2)
           IBM.Open IBM.High IBM.Low IBM.Close IBM.Volume IBM.Adjusted CurrtDay_up LastDay_green glm_pred_xts
2007-01-03    97.18    98.40   96.26     97.27    9196800     82.78498           1            NA           NA
2007-01-04    97.25    98.79   96.88     98.31   10524500     83.67011           1             1    0.5383952
2007-01-05    97.60    97.95   96.91     97.42    7221300     82.91264           0             1    0.5383952
2007-01-08    98.50    99.50   98.35     98.90   10340000     84.17225           1             0    0.5383065
2007-01-09    99.08   100.33   99.07    100.07   11108200     85.16802           1             1    0.5383952
2007-01-10    98.50    99.05   97.93     98.89    8744800     84.16374           1             1    0.5383952

glm 函数导致数据框发生奇怪的变化

glm function causes a strange change in data frame

r

quantmod