Beim Vergleich verschiedener Teilmodelle ist es notwendig, dass sie an die gleichen Daten angepasst werden - ansonsten sind die Ergebnisse einfach nicht sinnvoll. (Betrachten Sie die extreme Situation, in der Sie zwei Prädiktoren A und B haben, die jeweils nur für die Hälfte Ihrer Beobachtungen gemessen werden. Dann wird das Modell y~A+B an alle Daten angepasst, aber die Modelle y~A und y~B wird an nicht überlappende Teilmengen der Daten angepasst. Daher erlaubt step das Vergleichen von Teilmodellen, die (aufgrund der automatischen Entfernung von Fällen mit NA -Werten) nicht möglich sind ) verwenden unterschiedliche Teilmengen des ursprünglichen Datensatzes.
Die Verwendung von na.omit auf dem ursprünglichen Datensatz sollte das Problem beheben.
Wenn Sie jedoch viele NA -Werte in verschiedenen Prädiktoren haben, können Sie am Ende einen Großteil Ihres Datensatzes verlieren - im Extremfall könnten Sie den ganzen Datensatz verlieren . Wenn dies passiert, müssen Sie Ihre Modellierungsstrategie überdenken ...
Tags und Links r