1

这是我正在使用的示例数据框

 level    Income    cumpop
 1      17995.50  0.028405
 2      20994.75  0.065550
 3      29992.50  0.876185
 4      41989.50  2.364170
 5      53986.50  4.267305
 6      65983.50  6.323390
 7      77980.51  8.357625
 8      89977.50 10.238910
 9     101974.50 11.923545
10     113971.51 13.389680
11     125968.49 14.659165
12     137965.50 15.753850
13     149962.52 16.673735
14     161959.50 17.438485
15     173956.50 18.093985
16     185953.52 18.640235
17     197950.52 19.099085
18     209947.52 19.514235
19     221944.50 19.863835
20     233941.50 20.169735
21     251936.98 20.628585
22     275931.00 20.936670
23     383904.00 21.850000

这个特定国家的全部人口已按收入分类，并分为 23 个相应的“级别”。变量是该Income级别所有成员的平均收入（这与说第 10 个百分位数的收入是 17995.50 很重要）。

但是每个级别的人口规模是不一致的（如果您查看cumpop即累积人口的差异，您会注意到这一点）。最终，我想构建一个 10 行数据框，为变量 提供插值的十分位值Income，例如，我们可以说“最贫穷的 10% 人口平均有 28,000 人”或“那些在 20% 到 30% 的人口中，平均收入为 41,000 英寸左右。因此，我想有效地将​​这 23 个级别减少为 10 个相同人口规模的级别（以 cumpop[23] 作为总人口），这需要一些插值。

我四处寻找一个可以进行这种经验累积分布函数生成/插值的库，它似乎ecdf非常有用，但我不确定如何将其应用于上述Income主题。cumpop

非常感谢这里的一些方向。

4

1 回答 1

1

使用黄土插值的快速而肮脏的解决方案。跨度设置得非常短，以确保基本上完美契合，遗憾的是，这也使任何错误术语变得毫无意义。尝试适当的回归可能是值得的。

incdist <- read.table("inc.txt", header=TRUE)

fit <- loess(incdist$Income~incdist$cumpop, span=0.2)
V2 <- predict(fit, seq(0, max(incdist$cumpop)*9/10, max(incdist$cumpop)/10))
V1 <- seq(0, max(incdist$cumpop)*9/10, max(incdist$cumpop)/10)
pred <- data.frame(V1, V2)

par(mar=c(5, 5.5, 4, 2) + 0.1)

plot(incdist$Income~incdist$cumpop, type="n", xaxt="n", yaxt="n",
    xlab="percentile", ylab=expression(frac("average income",1000)),
    main="income distribution")

abline(h=V2, v=V1[-1], col="grey")
points(incdist$Income~incdist$cumpop, col="grey")
lines(loess(incdist$Income~incdist$cumpop, span=0.2), col="red")
points(pred, col="blue", cex=1.5, pch=9)
axis(side=1, at=V1[-1], labels=c(1:9)*10)
axis(side=2, at=V2, labels=round(V2/1000), las=1)

在此处输入图像描述

于 2015-10-31T13:38:28.730 回答