我有一个不平衡的月度小组数据。有些国家缺少一些时段,因此我的小组中没有这些时段。我想添加这些时段,并为其指定一个NA
值。
我尝试了一个函数来平衡面板,但它所做的是消除所有州不匹配的所有观测。因此,如果没有亚拉巴马州在02-2008年的数据,它将消除所有州在02-2008年的观测。
balanced <- function(data, ID, TIME, VARS, required=c("all", "shared")) {
if(is.character(ID)) {
ID <- match(ID, names(data))
}
if(is.character(TIME)) {
TIME <- match(TIME, names(data))
if(missing(VARS)) {
VARS <- setdiff(1:ncol(data), c(ID,TIME))
} else if (is.character(VARS)) {
VARS <- match(VARS, names(data))
}
required <- match.arg(required)
idf <- do.call(interaction, c(data[, ID, drop=FALSE], drop=TRUE))
timef <- do.call(interaction, c(data[, TIME, drop=FALSE], drop=TRUE))
complete <- complete.cases(data[, VARS])
tbl <- table(idf[complete], timef[complete])
if (required == "all") {
keep <- which(rowSums(tbl == 1) == ncol(tbl))
idx <- as.numeric(idf) %in% keep
} else if (required == "shared") {
keep <- which(colSums(tbl == 1) == nrow(tbl))
idx <- as.numeric(timef) %in% keep
}
data[idx, ]
}
Balanced_panel <- balanced(milk_state, "STATE", "PERIOD", "VALUE", required = "all")
它看起来是这样的:
STATE PERIOD VALUE
California 01-2018 900
California 02-2018 890
California 03-2018 780
California 05-2018 800
我希望它看起来是这样的:
STATE PERIOD VALUE
California 01-2018 900
California 02-2018 890
California 03-2018 780
California 04-2018 NA
California 05-2018 800
1条答案
按热度按时间xdnvmnnf1#
实际上,您并不想从现有数据创建一个平衡的样本(这是您在上面的代码中所做的),但是您想使用
STATE
和PERIOD
的所有可能组合来扩展您的样本。这需要多一个步骤,即创建这些组合。然后,获取所有可能组合的 Dataframe
df
,并使用left_join
连接现有观测:生成的 Dataframe
data
是一个包含所有ID和PERIOD的平衡样本。对于计算,如果设置允许对变量值进行此类假设,则可以对缺失值进行均值插补或零插补,并且在样本中仅存在具有所有时段的观测值的ID的狭义上,您具有平衡样本。