如何在面板数据中使用 R EXTRAPOLATE 缺失数据？
How to EXTRAPOLATE missing data with R in panel data?
在面板数据中，我有一些 NA 值，我想在我感兴趣的年份结束或开始时推断这些值。类似问题的大多数解决方案都涉及插值。请注意，事实并非如此。
我的一个名为“数据”的类似数据样本如下所示：
> data
REGION YEAR VALUE
1 A 2011 NA
2 A 2012 NA
3 A 2013 NA
4 A 2014 20.00
5 A 2015 25.00
6 A 2016 30.00
7 A 2017 35.00
8 A 2018 40.00
9 B 2011 NA
10 B 2012 0.30
11 B 2013 0.50
12 B 2014 0.70
13 B 2015 0.90
14 B 2016 0.11
15 B 2017 0.13
16 B 2018 0.15
17 C 2011 100.00
18 C 2012 101.00
19 C 2013 102.00
20 C 2014 103.00
21 C 2015 104.00
22 C 2016 105.00
23 C 2017 106.00
24 C 2018 NA
我找到的类似问题的一些解决方案：
我试过 na_interpolate 但它只是重复最后的值。我还尝试将 mutate 与 na.spline 结合使用，但它创建的值对于线性回归
来说显然是错误的
我相信一定有一种简单的方法可以估算这些值。
预期结果应如下所示：
> data
REGION YEAR VALUE
1 A 2011 5.00
2 A 2012 10.00
3 A 2013 15.00
4 A 2014 20.00
5 A 2015 25.00
6 A 2016 30.00
7 A 2017 35.00
8 A 2018 40.00
9 B 2011 0.10
10 B 2012 0.30
11 B 2013 0.50
12 B 2014 0.70
13 B 2015 0.90
14 B 2016 0.11
15 B 2017 0.13
16 B 2018 0.15
17 C 2011 100.00
18 C 2012 101.00
19 C 2013 102.00
20 C 2014 103.00
21 C 2015 104.00
22 C 2016 105.00
23 C 2017 106.00
24 C 2018 107.00
感谢您的帮助
你可以这样做：
predictions <- round(predict(lm(VALUE ~ REGION * YEAR, df), newdata = df), 2)
predictions
#> 1 2 3 4 5 6 7 8 9 10
#> 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00 0.65 0.59
#> 11 12 13 14 15 16 17 18 19 20
#> 0.53 0.46 0.40 0.34 0.27 0.21 100.00 101.00 102.00 103.00
#> 21 22 23 24
#> 104.00 105.00 106.00 107.00
df$VALUE[is.na(df$VALUE)] <- predictions[is.na(df$VALUE)]
给出了想要的结果：
df
#> REGION YEAR VALUE
#> 1 A 2011 5.00
#> 2 A 2012 10.00
#> 3 A 2013 15.00
#> 4 A 2014 20.00
#> 5 A 2015 25.00
#> 6 A 2016 30.00
#> 7 A 2017 35.00
#> 8 A 2018 40.00
#> 9 B 2011 0.65
#> 10 B 2012 0.30
#> 11 B 2013 0.50
#> 12 B 2014 0.70
#> 13 B 2015 0.90
#> 14 B 2016 0.11
#> 15 B 2017 0.13
#> 16 B 2018 0.15
#> 17 C 2011 100.00
#> 18 C 2012 101.00
#> 19 C 2013 102.00
#> 20 C 2014 103.00
#> 21 C 2015 104.00
#> 22 C 2016 105.00
#> 23 C 2017 106.00
#> 24 C 2018 107.00
对于线性外推，您可以拟合线性模型，然后使用 predict。
data$VALUE[is.na(data$VALUE)] <- unlist(lapply(split(data, data$REGION),
FUN=function(x) predict(lm(VALUE~YEAR, data=x), newdata=subset(x, subset=is.na(VALUE)))))
而且我认为你打错了区域 B。
数据:
data <- structure(list(REGION = c("A", "A", "A", "A", "A", "A", "A",
"A", "B", "B", "B", "B", "B", "B", "B", "B", "C", "C", "C", "C",
"C", "C", "C", "C"), YEAR = c(2011L, 2012L, 2013L, 2014L, 2015L,
2016L, 2017L, 2018L, 2011L, 2012L, 2013L, 2014L, 2015L, 2016L,
2017L, 2018L, 2011L, 2012L, 2013L, 2014L, 2015L, 2016L, 2017L,
2018L), VALUE = c(NA, NA, NA,
20, 25, 30, 35, 40, NA, 0.3, 0.5, 0.7, 0.9, 1.1,
1.3, 1.5, 100, 101, 102, 103, 104, 105, 106, NA)), row.names = c("1",
"2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13",
"14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24"
), class = "data.frame")
在面板数据中，我有一些 NA 值，我想在我感兴趣的年份结束或开始时推断这些值。类似问题的大多数解决方案都涉及插值。请注意，事实并非如此。
我的一个名为“数据”的类似数据样本如下所示：
> data
REGION YEAR VALUE
1 A 2011 NA
2 A 2012 NA
3 A 2013 NA
4 A 2014 20.00
5 A 2015 25.00
6 A 2016 30.00
7 A 2017 35.00
8 A 2018 40.00
9 B 2011 NA
10 B 2012 0.30
11 B 2013 0.50
12 B 2014 0.70
13 B 2015 0.90
14 B 2016 0.11
15 B 2017 0.13
16 B 2018 0.15
17 C 2011 100.00
18 C 2012 101.00
19 C 2013 102.00
20 C 2014 103.00
21 C 2015 104.00
22 C 2016 105.00
23 C 2017 106.00
24 C 2018 NA
我找到的类似问题的一些解决方案：
我试过 na_interpolate 但它只是重复最后的值。我还尝试将 mutate 与 na.spline 结合使用，但它创建的值对于线性回归
我相信一定有一种简单的方法可以估算这些值。
预期结果应如下所示：
> data
REGION YEAR VALUE
1 A 2011 5.00
2 A 2012 10.00
3 A 2013 15.00
4 A 2014 20.00
5 A 2015 25.00
6 A 2016 30.00
7 A 2017 35.00
8 A 2018 40.00
9 B 2011 0.10
10 B 2012 0.30
11 B 2013 0.50
12 B 2014 0.70
13 B 2015 0.90
14 B 2016 0.11
15 B 2017 0.13
16 B 2018 0.15
17 C 2011 100.00
18 C 2012 101.00
19 C 2013 102.00
20 C 2014 103.00
21 C 2015 104.00
22 C 2016 105.00
23 C 2017 106.00
24 C 2018 107.00
感谢您的帮助
你可以这样做：
predictions <- round(predict(lm(VALUE ~ REGION * YEAR, df), newdata = df), 2)
predictions
#> 1 2 3 4 5 6 7 8 9 10
#> 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00 0.65 0.59
#> 11 12 13 14 15 16 17 18 19 20
#> 0.53 0.46 0.40 0.34 0.27 0.21 100.00 101.00 102.00 103.00
#> 21 22 23 24
#> 104.00 105.00 106.00 107.00
df$VALUE[is.na(df$VALUE)] <- predictions[is.na(df$VALUE)]
给出了想要的结果：
df
#> REGION YEAR VALUE
#> 1 A 2011 5.00
#> 2 A 2012 10.00
#> 3 A 2013 15.00
#> 4 A 2014 20.00
#> 5 A 2015 25.00
#> 6 A 2016 30.00
#> 7 A 2017 35.00
#> 8 A 2018 40.00
#> 9 B 2011 0.65
#> 10 B 2012 0.30
#> 11 B 2013 0.50
#> 12 B 2014 0.70
#> 13 B 2015 0.90
#> 14 B 2016 0.11
#> 15 B 2017 0.13
#> 16 B 2018 0.15
#> 17 C 2011 100.00
#> 18 C 2012 101.00
#> 19 C 2013 102.00
#> 20 C 2014 103.00
#> 21 C 2015 104.00
#> 22 C 2016 105.00
#> 23 C 2017 106.00
#> 24 C 2018 107.00
对于线性外推，您可以拟合线性模型，然后使用 predict。
data$VALUE[is.na(data$VALUE)] <- unlist(lapply(split(data, data$REGION),
FUN=function(x) predict(lm(VALUE~YEAR, data=x), newdata=subset(x, subset=is.na(VALUE)))))
而且我认为你打错了区域 B。
数据:
data <- structure(list(REGION = c("A", "A", "A", "A", "A", "A", "A",
"A", "B", "B", "B", "B", "B", "B", "B", "B", "C", "C", "C", "C",
"C", "C", "C", "C"), YEAR = c(2011L, 2012L, 2013L, 2014L, 2015L,
2016L, 2017L, 2018L, 2011L, 2012L, 2013L, 2014L, 2015L, 2016L,
2017L, 2018L, 2011L, 2012L, 2013L, 2014L, 2015L, 2016L, 2017L,
2018L), VALUE = c(NA, NA, NA,
20, 25, 30, 35, 40, NA, 0.3, 0.5, 0.7, 0.9, 1.1,
1.3, 1.5, 100, 101, 102, 103, 104, 105, 106, NA)), row.names = c("1",
"2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13",
"14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24"
), class = "data.frame")