问题标签 [panel-data]

我想知道是否有任何简单的 R 命令或包都可以让我轻松地将变量添加到 data.frames，这些变量是这些变量的“差异”或随时间的变化。

如果我的数据如下所示：

然后在对价格变量进行“一阶差分”之后，我的数据将如下所示。

我在 R 中使用 plm-package 时遇到问题：

假设 data1 是我的数据集，我会估计池化 OLS 模型：

但我收到错误消息：

以下是有关我的数据集的一些信息：

有人能帮助我吗？

我有一个数据集，其中每一行都是一个固定的年份对，其中 afirmid是一个字符串。

如果我做

它不会删除任何内容，因为没有重复项（我最初在运行后创建了数据集duplicates drop firmid year, force）。

到目前为止，一切都很好。我想创建一个需要firmid数字的面板。所以我跑

但是会弹出“面板中的重复时间值”错误。而且，

列出一大堆重复项。

似乎egen, group()没有产生独特的群体。我的问题是：为什么以及如何以稳健的方式创建独特的组？

我正在尝试按类别在滚动窗口中应用一个函数（比如标准偏差）：

我有以下数据：

我想创建一个新列（比如 sd），通过 cat 估计两年窗口内的标准偏差。

这是我正在考虑的结果：

关于如何实现这一目标的任何建议？

假设我有一个 pdata.frame（使用 r 中的 plm 包），如下所示：

我的观察结果在某些指数中不会随时间id变化，但在其他指数中会随时间变化。我想找到那些不随时间变化的，即我想提取一些看起来像

是否有捷径可寻？

在阅读了这个关于对比错误的答案并查看了我的数据后，我在尝试组合包“plm”和“效果”时仍然遇到问题。这可能是不可能的，因为约翰福克斯没有在他的效果文档中讨论这种可能性（显然不允许链接 - 谷歌：“约翰福克斯效果包”，如果你想看看）。因此，如果确实不可能，请告诉我。

我正在对减少的数据集进行简单回归

我收到以下错误（以及典型的 plm 警告消息）

我知道它仍然是一个很长的数据结构，但我认为它值得分享

现在尽我所能，我没有看到小于 2 个级别的因素，所以我不明白这个错误来自哪里。我使用 effects 包的最终目标是能够在我的响应变量上绘制 cddom（和 cddom2，它是 cddom 的平方版本）的边际效应。当然，在我的完整数据集中，我还有大约 15 个控件，它们都不是单一级别的因素，但我一直遇到同样的问题。

我希望有人可以建议！

编辑效果功能的这个问题有时会发生变化。例如

给出以下错误

提前致谢

西蒙

继之前关于 Hausman 测试（此处）的帖子（其中参考不幸消失了@briatte）之后，我面临着一些额外的与 Hausman 相关的问题。虽然前面的线程暗示了在 Hausman 执行中获取绝对值可能是一个问题，但我想知道我遇到的问题是否确实是由这个引起的。

根据random.method我使用的规范，结果可能会大不相同，这让我想知道哪些可以信任（也许没有）。

在下面的“vit”代表一个公式，右侧只有随时间和个体变化的变量，而 full 代表相同的变量 + 年份固定效应虚拟变量 + 一些每年不同但每年都相同的变量公司（公司固定效应）。

以下是一些结果

相对

虽然当然可以通过不同的测试得到不同的结果，但这里的根本差异让我想知道......

LM 测试也会出现类似的情况：

相对

任何人都可以就该怎么做提出建议吗？

谢谢，

西蒙

我想为以下回归绘制 x1 和 x2 之间的交互效果（让 y 成为面板数据集中的正计数变量）

简单的交互图是：

现在我想承认，如果 x1 改变了 的值，x1*x2并且x1^2也会改变，这将改变拟合值。在绘制净交互效应时，所有这些都应考虑在内。例如，可能 x1 和 x2 都与 y 正相关，但它们的相互作用会减弱这种积极影响，从而可能改变预测的方向。这可能还取决于x1*x2...

所以简单的interaction.plot 不再起作用了，因为其他变量也在影响结果。有没有一种简单的方法可以使用predictor来做到这一点effect？

这是一个可重现的示例数据集（plm.data 对象），称为repex

dput(repex) structure(list(ID = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 9L, 9L, 10L, 10L, 10L, 10L, 10L, 10L), .Label = c("1", "2", "4", "6", "7", "8", "9", "10", "11", "13", "15", "16", "17", "18", "20", "22", "24", "26", "28", "29", "32", "34", "35", "36", "37", "39", "41", "42", "44", "47"), class = "factor"), Year = structure(c(1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L), .Label = c("1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006"), class = "factor"), y = c(5, 10, 6, 9, 9, 4, 2, 2, 3, 7, 12, 13, 0, 5, 5, 1, 1, 3, 0, 0, 1, 0, 3, 0, 0, 4, 9, 9, 12, 9, 10, 6, 14, 12, 6, 2, 20, 15, 18, 14, 26, 17, 0, 0, 0, 0, 2, 0, 5, 1, 2, 2, 5, 3, 0, 0, 0, 1, 0, 0), x1 = c(0L, 0L, 3L, 3L, 3L, 5L, 0L, 0L, 0L, 0L, 0L, 3L, 0L, 2L, 1L, 0L, 0L, 0L, 0L, 1L, 1L, 2L, 1L, 0L, 0L, 2L, 0L, 2L, 8L, 4L, 1L, 0L, 4L, 2L, 1L, 1L, 1L, 1L, 0L, 1L, 3L, 5L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 1L, 1L, 2L, 6L, 0L, 0L, 1L, 1L, 1L, 0L), x2 = structure(c(4.22657266700715, 7.07828323739468, 5.58155937520987, 6.09945741088926, 4.98990473760187, 13.1975509132969, 0.136363636363636, 0.164922480620155, 0.981640399790555, 1.61119564479727, 4.27951983102512, 4.52440902710094, 2.41282572727806, 2.77748331046807, 7.00223921984389, 3.55837337174436, 5.31590575343992, 2.61930006177923, 0.211351052048726, 0.525647451963241, 0.696630753538187, 0.666082288178836, 1.09492110512526, 3.8035303566375, 0.548336215316966, 0.85237681730237, 0.982747572848003, 6.59758768791534, 8.74094242997363, 9.29913186611362, 3.5542234379174, 3.24728026722101, 3.60927964544638, 3.33459121950297, 2.88526780610146, 4.56612429882729, 26.45256036788, 21.0190838535023, 19.3769702276769, 19.7227148506334, 17.6596029433548, 23.6531530880185, 0.138888888888889, 0.249009205804338, 0.394159544159544, 0.316399286987522, 0.0413533834586466, 3.02315977564407, 3.94214293703149, 1.9143052531528, 3.16707069146414, 5.70642767128218, 4.38285025038957, 4.23425019314604, 0, 0, 0, 0, 0.0416666666666667, 0), .Dim = 60L, .Dimnames = list(c("1990_ABT", "1991_ABT", "1992_ABT", "1993_ABT", "1994_ABT", "1995_ABT", "1990_AKN", "1991_AKN", "1992_AKN", "1993_AKN", "1994_AKN", "1995_AKN", "1990_ALL", "1991_ALL", "1992_ALL", "1993_ALL", "1994_ALL", "1995_ALL", "1990_AMG", "1991_AMG", "1992_AMG", "1993_AMG", "1994_AMG", "1995_AMG", "1990_AZN", "1991_AZN", "1992_AZN", "1993_AZN", "1994_AZN", "1995_AZN", "1990_BAX", "1991_BAX", "1992_BAX", "1993_BAX", "1994_BAX", "1995_BAX", "1990_BAY", "1991_BAY", "1992_BAY", "1993_BAY", "1994_BAY", "1995_BAY", "1990_BIO", "1991_BIO", "1992_BIO", "1993_BIO", "1994_BIO", "1995_BIO", "1990_BMS", "1991_BMS", "1992_BMS", "1993_BMS", "1994_BMS", "1995_BMS", "1990_ABT", "1990_ABT", "1990_ABT", "1990_ABT", "1994_CHU", "1990_ABT")))), .Names = c("ID", "Year", "y", "x1", "x2"), row.names = c(1L, 2L, 3L, 4L, 160L, 5L, 172L, 173L, 174L, 175L, 176L, 177L, 188L, 12L, 190L, 191L, 192L, 13L, 212L, 213L, 214L, 215L, 216L, 217L, 22L, 23L, 230L, 231L, 232L, 233L, 28L, 29L, 30L, 31L, 248L, 249L, 36L, 37L, 38L, 39L, 40L, 41L, 276L, 156L, 52L, 158L, 159L, 281L, 56L, 57L, 58L, 295L, 59L, 297L, 588L, 391L, 392L, 393L, 187L, 395L), class = c("plm.dim", "data.frame"))

谢谢！

我刚刚得知 lmeNB 包的存在，并且考虑到我有过度分散的正计数数据数据，它似乎就在我的袖子里。但是，我无法让它工作。

包的语法可以在这里找到

我正在尝试运行一个包含 37 个人和每个个人 16 年的完美平衡的面板（我的数据框按字母顺序排列，并且随着年份的增加，我认为这与语法中的描述一致。

library(lmeNB) mle.ar1.fun(abs_pb_t ~ RI1 + RA1 + abs_pb + cddom + cddom2, data=s.data, ID = p.data$ID, Vcode = p.data$Year

现在我收到以下错误消息：

Error in[<-.factor (tmp, upID == uniID[i], value = c("1--1", "1--2", : NAs are not allowed in subscripted assignments In addition: Warning messages: 1: In [<-.factor (tmp, upID == uniID[i], value = c("1--1", "1--2", : invalid factor level, NA generated 2: In [<-.factor (tmp, upID == uniID[i], value = c("1--1", "1--2", : invalid factor level, NA generated

我认为警告中确定的问题会导致错误，但我的 data.frame 中没有单个缺失值，也没有完美的分离。

有谁之前经历过这个吗？

西蒙

我正在尝试在一个看起来像这个可重现示例的 data.table 中测试各种条件

V1（从最后一个命令出现）表示事件发生的计数。

所以数据表是一个有序数组，我需要在它上面执行各种函数。这里有些例子：

1. 如何计算每个事件在前 10 年发生的滚动总和（或滚动平均值）？因此，对于A 1990，所需的输出为 1,452（1980 年到 1989 年之间）。对于H 2012，输出为 11，因为在 2002 年和 2011 年之间只有 11 次出现（2002 年 3 次，2007 年 3 次，2010 年 5 次）。对于A 1983，输出为NA

2. 如何检查事件是否在前 15 年中至少有 12 年发生？因此，对于A 1997，我们可以看到该事件在前 15 年（1982 - 1996 年，除 1996 年之外的每一年都发生）中发生了超过 12 年，因此符合标准。然而，对于A 2001，我们看到该事件仅发生在前 15 年（1986 - 2000 年）中的 11 年，它没有发生在 1996、1998、1999 和 2000 年）不符合标准。此处所需的输出将是离散的 1（满足标准）或 0（未满足标准）

理想情况下，该代码不仅可以计算 1 和 2 years，data.table而且还可以计算 1980 年至 2013 年间缺失的那些。所以对于K 2005，我们可以将 Q1 的结果计算为 25 (13 + 5 + 3 + 3 + 2) （感谢@Arun 指出前一个错误）。对于第二季度，我们看到该事件在 1999、2000、2001、2003 和 2004 年没有发生，因此“15 年中至少有 12 年”的标准没有得到满足。此外，事件-年份组合可能存在于 data.table 中，但 V1 的值为 0（参见第 18 行，A 2001）。理想情况下，这种零出现将被视为不出现（例如，通过删除所有 V1 为零的行）。

我知道发布两个问题并不常见，但我觉得它们属于一起并且确实与类似的问题相关。希望有人可以提出一些建议。

非常感谢，

西蒙