我有一些数据有一个变量的缺失值，我想能够创建（随机）预测这些可能是什么。这是我的第一个念头：R中线性模型的随机预测
# miss indicates where the observations with missing response are
library(MASS)
model <- glm.nb(data[-miss,4] ~ ., data=data[-miss,-4])
predict(model, newdata=data[miss,-4])
但是，如果我重复的最后一行，一遍又一遍给出了同样的答案 - 这似乎给给出的答复预测平均数据和模型。我想要一个包含方差的随机预测，即从给定模型下的这种预测因子的观测响应分布的随机抽取。
它可能与pred.var参数有关，但我不确定如何使用它。
假设我们有一个数据是这样的：
set.seed(101)
dd <- data.frame(x=(1:20)*0.1)
dd$y <- rnbinom(20,mu=exp(dd$x),size=1)
## make some missing values
miss <- c(2,3,5)
dd$y[miss] <- NA
现在拟合模型：
m1 <- MASS::glm.nb(y~x,dd,na.action=na.exclude)
现在使用的预测从模型得到预期的意味着价值和rnbinom生成随机值...
p <- predict(m1,newdata=dd,type="response")
randvals <- rnbinom(length(p),mu=p,size=m1$theta)
（This g为每个元素提供随机值，而不仅仅是缺失的元素，但显然你可以挑选出你想要的元素......）如果simulate方法做到了这一点，它会很好，但它不够灵活...