如何使正态分布变量取决于 R 中的条目和时间？
How to make a normally distributed variable depend on entries and time in R?
我正在尝试生成横截面时间序列的数据集来估计不同模型的使用。
在这个数据集中，我有一个 ID 变量和一个时间变量。我正在尝试添加一个依赖于两个标识的正态分布变量。换句话说，如何在 R 中创建一个同时识别 ID 和时间的变量？
如果我的问题看起来不确定，请随时提出任何问题。
提前致谢。
df2 <- read.table(
text =
"Year,ID,H,
1,1,N(2.3),
2,1,N(2.3),
3,1,N(2.3),
1,2,N(0.1),
2,2,N(0.1),
3,2,N(0.1),
", sep = ",", header = TRUE)
假设数据框中的数据df看起来像
ID
Time
1
1
1
2
1
3
1
4
2
1
2
2
2
3
2
4
3
1
3
2
3
3
3
4
您可以生成一个依赖于 ID 和时间的变量 y 作为分别依赖于 ID 和 time 的两个随机正态分布（产生另一个正态分布）的总和:
set.seed(42)
df = data.frame(
ID = rep(1:4, each=3),
time = rep(1:3, times=4)
)
df$y = rnorm(nrow(df), mean=df$ID, sd=1+0.1*df$ID) +
rnorm(nrow(df), mean=df$time, sd=0.05*df$time)
# Output:
ID time y
1 1 1 3.438611
2 1 2 2.350953
3 1 3 4.379443
4 1 4 5.823339
5 2 1 3.470909
6 2 2 3.607005
7 2 3 6.447756
8 2 4 6.150432
9 3 1 6.608619
10 3 2 4.740341
11 3 3 7.670543
12 3 4 10.215574
请注意，基础正态分布取决于 ID 和 time。这与上面的示例 table 形成对比，在该示例中它看起来完全取决于 ID —— 即每个 ID 产生一个独立于时间变量的正态分布。
我正在尝试生成横截面时间序列的数据集来估计不同模型的使用。 在这个数据集中，我有一个 ID 变量和一个时间变量。我正在尝试添加一个依赖于两个标识的正态分布变量。换句话说，如何在 R 中创建一个同时识别 ID 和时间的变量？ 如果我的问题看起来不确定，请随时提出任何问题。 提前致谢。
df2 <- read.table(
text =
"Year,ID,H,
1,1,N(2.3),
2,1,N(2.3),
3,1,N(2.3),
1,2,N(0.1),
2,2,N(0.1),
3,2,N(0.1),
", sep = ",", header = TRUE)
假设数据框中的数据df看起来像
| ID | Time |
|---|---|
| 1 | 1 |
| 1 | 2 |
| 1 | 3 |
| 1 | 4 |
| 2 | 1 |
| 2 | 2 |
| 2 | 3 |
| 2 | 4 |
| 3 | 1 |
| 3 | 2 |
| 3 | 3 |
| 3 | 4 |
您可以生成一个依赖于 ID 和时间的变量 y 作为分别依赖于 ID 和 time 的两个随机正态分布（产生另一个正态分布）的总和:
set.seed(42)
df = data.frame(
ID = rep(1:4, each=3),
time = rep(1:3, times=4)
)
df$y = rnorm(nrow(df), mean=df$ID, sd=1+0.1*df$ID) +
rnorm(nrow(df), mean=df$time, sd=0.05*df$time)
# Output:
ID time y
1 1 1 3.438611
2 1 2 2.350953
3 1 3 4.379443
4 1 4 5.823339
5 2 1 3.470909
6 2 2 3.607005
7 2 3 6.447756
8 2 4 6.150432
9 3 1 6.608619
10 3 2 4.740341
11 3 3 7.670543
12 3 4 10.215574
请注意，基础正态分布取决于 ID 和 time。这与上面的示例 table 形成对比，在该示例中它看起来完全取决于 ID —— 即每个 ID 产生一个独立于时间变量的正态分布。