我有一个数据表 T1，其中包含近一千个变量（V1）和大约 2 亿个数据点。数据稀疏，大多数条目是 NA。每个数据点都有一个唯一的 id 和日期对来区分。

我有另一个表 T2，其中包含一组单独的变量 (V2)。此表还具有唯一标识 T2 中的条目的 id 和日期对。

我们怀疑 T1 中的数据可以用来预测 T2 中变量的值。

为了证明这一点，我想在 R 中应用“glm”模型并检查我们是否真的可以在 T2 中找到一些依赖于 T1 中的变量的变量。

对于 T2 中的每个变量，我开始提取 T1 中具有相同 id 和日期对的所有数据，这导致某些测试变量的数据点要小得多，约为 50K。

我现在应用glm面临的问题如下。

1. 在某些情况下，它向我显示错误“未找到拟合”和警告“glm.fit：算法未收敛”。我不确定为什么会显示？

2. 在 glm 中如何处理 NA？它会先删除所有涉及“NA”的记录，然后再进行拟合吗？

3. 首先删除所有NA然后调用'glm'是一个好策略吗？我担心这可能会显着减少数据点，因为它们中的大多数都是 NA。

4. 使用哪种方法计算系数。我找不到任何讨论如何计算输出的网站、论文或书籍。

我在有和没有'NAs'的情况下测试了glm，发现了不同的答案，在拟合数据时考虑了NAs：

示例 1：

> tmpData
  x1 x2 x3        Y
1  1  1  1        3
2  1  0  4        5
3  1  2  3        6
4  0  3  1        4

Call:  glm(formula = as.formula(paste(dep, " ~ ", paste(xn, collapse = "+"))), 
    na.action = na.exclude)

Coefficients:
                      (Intercept)  as.numeric(unlist(tmpData["x1"]))  as.numeric(unlist(tmpData["x2"]))  
                        5.551e-16                          1.000e+00                          1.000e+00  
as.numeric(unlist(tmpData["x3"]))  
                        1.000e+00  

Degrees of Freedom: 3 Total (i.e. Null);  0 Residual
Null Deviance:      5 
Residual Deviance: 9.861e-31    AIC: -260.6 

示例 2：

'x1'    'x2'    'x3'    'Y'
100000  1   NA  2
1   1   1   3
1   NA  -1124   2
1   0   4   5
1   2   3   6
0   3   1   4



Coefficients:
                      (Intercept)  as.numeric(unlist(tmpData["x1"]))  as.numeric(unlist(tmpData["x2"]))  as.numeric(unlist(tmpData["x3"]))  
                       -2.3749044                         -0.0000625                          0.6249899                          1.8749937  

Degrees of Freedom: 5 Total (i.e. Null);  2 Residual
Null Deviance:      13.33 
Residual Deviance: 1.875    AIC: 20.05