1

我正在尝试生成一个预测模型，在该模型中我每年（基于前几年）执行多个汇总回归，从而允许系数随时间变化。（这在提供的示例数据中可能没有意义，但在我的示例中它是在实践中完成的）。

到目前为止，这是我的想法：我将代码调整为 plm 包中的可重现示例：

数据按以下方式（面板）构建，并以公司、年份为索引。

> head(Grunfeld)
  firm year   inv  value capital
1    1 1935 317.6 3078.5     2.8
2    1 1936 391.8 4661.7    52.6
3    1 1937 410.6 5387.1   156.9
4    1 1938 257.7 2792.2   209.2
5    1 1939 330.8 4313.2   203.4
6    1 1940 461.2 4643.9   207.2

这是我的代码：

library(plm)
data("Grunfeld", package="plm")

# Store each subset regression in myregression
myregression <- list()
count <- 1

## pooled regression in each year t, 
## with subset data of the previous six years (t-5) 

for(t in 1940:1950){  
  myregression[[count]] <- plm(inv ~ value + capital, 
                              subset(Grunfeld, year<=t & year>=t-5),
                              index=c("firm","year"))
# Name each regression based on the year range included in the data subset
names(myregression)[[count]] = paste0("Year_",t)
count <- count+1
}


## Prediction
#######################
# Alternative 1: Loop

Forecast<-list()
count<-1
for(t in 1940:1950){
  Forecast[[count]]<-predict(myregression[[count]], subset(Grunfeld, year==t))
  ## Name each Prediction based on the year t:
 names(Forecast)[[count]] = paste0("Year_",t)
 count <- count+1
}

不幸的是，我的代码不起作用，我收到以下错误：

Error in crossprod(beta, t(X)) : non-conformable arguments

理想情况下，我想以与原始 Grunfeld 数据相同的结构将我的预测/预测存储在 $Grunfeld$Forecast 中。但是，我在使用列表时遇到了很多困难，并且经常无法正确处理它们并将结果存储在原始数据旁边的向量中。这一点至关重要，因为在我自己的样本中，有很多缺失数据（NA），我只能在有限的子集上使用预测函数。您如何以所需的方式排列数据？

这是获得具有不同斜率的条件预测（在一年中）并以与原始数据相同的方式存储它们的正确方法，还是我不知道有更有效的方法？

4

1 回答 1

1

请注意，您不是在估计合并回归。plm，默认情况下，估计一个within模型。第一次回归的快速总结揭示了这一点。参见 eg summary(myregression[[1]]，其第一行内容如下：

Oneway (individual) effect Within Model

Call:
plm(formula = inv ~ value + capital, data = subset(Grunfeld, 
    year <= t & year >= t - 5), index = c("firm", "year"))

...

既然您谈论合并回归，请尝试以下代码。我冒昧地把它缩短了一点：

for(t in 1940:1950){  
  myregression[[as.character(t)]] <- plm(inv ~ value + capital, 
                                         subset(Grunfeld, year<=t & year>=t-5),
                                         index=c("firm","year") , model="pooling")
}
for(t in 1940:1950){
  Forecast[[as.character(t)]]<-predict(myregression[[as.character(t)]], 
                                       subset(Grunfeld, year==t))
}

这为您提供了没有错误消息的预测值。

我无法评论你关于这是否是正确的统计方法的最后一个问题，但我希望与 R 相关的问题得到解决。

要回复您的评论，请尝试

Grunfeld$forc <- NA

for(t in 1940:1950){
  Grunfeld[which(Grunfeld$year==as.character(t)), "forc"] <-
               predict(myregression[[as.character(t)]], subset(Grunfeld, year==t))
}
于 2014-07-20T16:07:01.307 回答