我有两个数据集
使用训练数据（NA单元格中有一些 s），我使用 R 执行普通最小二乘回归（OLS）lm()并拟合模型并得到回归模型的系数。（到目前为止一切都很好！）
现在，在拟合值的预测过程中，我在测试数据集中的某些单元格中有一些缺失值。我使用的功能predict()如下：
predict(ols, test_data.df, interval= "prediction", na.action=na.pass)
对于具有值的单元格（或多个单元格），NA在生成输出时会丢弃整行（yhat）。是否有任何函数可以为测试数据生成yhat值（NAs 除外），而不会丢弃单元格中缺少值的任何行。
首先，让我先声明缺失数据是其在统计学中的专长，因此对这个问题有很多不同的答案。
正如您所发现的，默认情况下，R 使用大小写删除缺失值。这意味着无论何时在数据中遇到缺失值（在回归公式的任一侧），它都会忽略该行。这不是很好，因为如果您有 100 个观察值，但一半的行至少缺少一个变量值，那么您实际上有 50 个观察值。在某些学科中，缺失数据的普遍性会迅速减少数据的大小。当我还是一名本科生时，我分析了一项 3,000 人的调查，当使用逐案删除时，该调查缩小到只有 316 人！
但这比缩小样本量更糟糕：可能存在隐藏的问题，例如缺失模式与缺失元素的值之间的关联。例如，收入较高的人更有可能不透露他们的薪水。这将使与收入相关的有意义的、统计上合理的判断变得困难。
处理缺失值的一种常用方法是插补。R中有许多可用的插补包。在我的专业领域，政治学中，一个被广泛使用的领域是加里·金（Gary King）的《AMELIA II》。这会将您的变量视为多元正态变量，并根据某些收敛标准迭代地改进其对缺失值必须是什么的“猜测”：当“猜测”似乎与其余数据非常吻合时声明收敛。（很抱歉，这是不具体的。我已经好几年没用过AMELIA II了。文档很透彻，写得很清楚，所以我会从那里开始。）
但这只是一种选择。我相信更多知识渊博的人会说出他们的贡献。