根据面板数据中的索引分块抽样
Block sampling according to index in panel data
我有一个面板数据，即每个 n 个观察值 (nxt) 的 t 行，例如
data("Grunfeld", package="plm")
head(Grunfeld)
firm year inv value capital
1 1935 317.6 3078.5 2.8
1 1936 391.8 4661.7 52.6
1 1937 410.6 5387.1 156.9
2 1935 257.7 2792.2 209.2
2 1936 330.8 4313.2 203.4
2 1937 461.2 4643.9 207.2
我想进行块引导，即我想通过替换重新采样，在观察到的所有年份中采用公司 [i]。例如，如果 year=1935:1937 并且公司 1 是随机抽取的，我希望公司 [1] 在新样本中出现 3 次，对应于 year=1935:1937。如果重新绘制，则必须再次为 3 次。此外，我需要将我自己的函数应用于新的自举样本，我需要这样做 500 次。
我当前的代码是这样的：
library(boot)
boot.fun <- function(data) {
est.boot = myfunction(y=Grunfeld$v1, x=Grunfeld$v2, other parameters)
return(est.boot)
}
boot.sim <- function(data, mle) {
data = sample(data, ?? ) #
return(data)
}
start.time = Sys.time()
result.boot <- boot(Grunfeld, myfunction( ... ), R=500, sim = "parametric",
ran.gen = boot.sim)
Sys.time() - start.time
我正在考虑通过以正确的方式指定 data = sample(data, ?? ) 来重新采样，因为它工作顺利且干净，使用列 firm 作为索引。我怎么能那样做？还有其他更有效的选择吗？
编辑。
我不一定需要一个新的 boot.function。我只需要一个（可能是快速的）代码，它允许通过替换重新采样，然后我将把它放在 boot 参数中作为 ran.gen=code.which.works。
输出应该是与原始维度相同的样本，即使可以随机选择公司两次或更多次（或不选择）。例如，结果可能是
head(GrunfeldResampled)
firm year inv value capital
2 1935 257.7 2792.2 209.2
2 1936 330.8 4313.2 203.4
2 1937 461.2 4643.9 207.2
1 1935 317.6 3078.5 2.8
1 1936 391.8 4661.7 52.6
1 1937 410.6 5387.1 156.9
2 1935 257.7 2792.2 209.2
2 1936 330.8 4313.2 203.4
2 1937 461.2 4643.9 207.2
9 1935 317.6 3078.5 122.8
9 1936 391.8 4661.7 342.6
9 1937 410.6 5387.1 156.9
基本上我需要将每个公司都视为 block，因此重采样应该应用于整个区块。希望这能澄清
您可以使用引导函数的 "strata" 参数来完成此操作。这称为分层 bootstrap。
更改代码的最后一行：
result.boot <- boot(Grunfeld, boot.fun, R=500, sim = "ordinary",
strata = Grunfeld$firm)
我抑制了参数ran.gen & sim
我建议对引导功能进行这些更改以使其正常工作：
boot.fun <- function(d, i) { # d being your data, i the set of indices)
est.boot = myfunction(y=d[i ,]$v1, x=d[i, ]$v2, other parameters)
return(est.boot)
}
显然在这个答案中，每个公司都被查看了整整 20 年，所以我可以证明：
data("Grunfeld", package="plm") #load data
解决方案
#n is the the firms column, df is the dataframe
myfunc <- function(n,df) { #define function
unique_firms <- unique(n) #unique firms
sample_firms <- sample(unique_firms, size=length(unique_firms), replace=T ) #choose from unique firms randomly with replacement
new_df <- do.call(rbind, lapply(sample_firms, function(x) df[df$firm==x,] )) #fetch all years for each randomly picked firm and rbind
}
a <- myfunc(Grunfeld$firm, Grunfeld) #run function
输出
> str(a)
'data.frame': 200 obs. of 5 variables:
$ firm : int 4 4 4 4 4 4 4 4 4 4 ...
$ year : int 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 ...
$ inv : num 40.3 72.8 66.3 51.6 52.4 ...
$ value : num 418 838 884 438 680 ...
$ capital: num 10.5 10.2 34.7 51.8 64.3 67.1 75.2 71.4 67.1 60.5 ...
如你所见dim与输入data.frame
完全一样
对于您的数据，解决方案是：
myfunc <- function(n,df) { #define function
unique_firms <- unique(n) #unique firms
print(unique_firms)
sample_firms <- sample(unique_firms, size=length(unique_firms), replace=T ) #choose from unique firms randomly with replacement
new_df <- do.call(rbind, lapply(sample_firms, function(x) df[df$country==x,] )) #fetch all years for each randomly picked firm and rbind
}
和输出：
> str(a)
'data.frame': 848 obs. of 18 variables:
$ isocode : Factor w/ 106 levels "AGO","ALB","ARG",..: 82 82 82 82 82 82 82 82 61 61 ...
$ time : int 2 3 4 5 6 7 8 9 2 3 ...
$ country : num 80 80 80 80 80 80 80 80 59 59 ...
$ year : int 1975 1980 1985 1990 1995 2000 2005 2010 1975 1980 ...
$ gdp : num 184619 210169 199343 268870 305255 ...
$ pop : num 33.4 34.9 36.6 37.8 38.3 ...
$ gdp_k : num 5526 6022 5443 7117 7969 ...
$ co2 : num 340353 431436 426881 431052 350874 ...
$ co2_k : num 10191 12333 11674 11407 9128 ...
$ oecd : int 1 1 1 1 1 1 1 1 1 1 ...
$ LI : int 0 0 0 0 0 0 0 0 0 0 ...
$ LMI : int 0 0 0 0 0 0 0 0 0 0 ...
$ UMI : int 0 0 0 0 0 0 0 0 0 0 ...
$ HI : int 1 1 1 1 1 1 1 1 1 1 ...
$ gdpk : num 5531 6018 5449 7118 7971 ...
$ co2k : num 10196 12355 11668 11412 9162 ...
$ co2_k.lag: num 8595 10191 12333 11674 11407 ...
$ gdp_k.lag: num 4730 5526 6022 5443 7117 ...
我有一个面板数据，即每个 n 个观察值 (nxt) 的 t 行，例如
data("Grunfeld", package="plm")
head(Grunfeld)
firm year inv value capital
1 1935 317.6 3078.5 2.8
1 1936 391.8 4661.7 52.6
1 1937 410.6 5387.1 156.9
2 1935 257.7 2792.2 209.2
2 1936 330.8 4313.2 203.4
2 1937 461.2 4643.9 207.2
我想进行块引导，即我想通过替换重新采样，在观察到的所有年份中采用公司 [i]。例如，如果 year=1935:1937 并且公司 1 是随机抽取的，我希望公司 [1] 在新样本中出现 3 次，对应于 year=1935:1937。如果重新绘制，则必须再次为 3 次。此外，我需要将我自己的函数应用于新的自举样本，我需要这样做 500 次。
我当前的代码是这样的：
library(boot)
boot.fun <- function(data) {
est.boot = myfunction(y=Grunfeld$v1, x=Grunfeld$v2, other parameters)
return(est.boot)
}
boot.sim <- function(data, mle) {
data = sample(data, ?? ) #
return(data)
}
start.time = Sys.time()
result.boot <- boot(Grunfeld, myfunction( ... ), R=500, sim = "parametric",
ran.gen = boot.sim)
Sys.time() - start.time
我正在考虑通过以正确的方式指定 data = sample(data, ?? ) 来重新采样，因为它工作顺利且干净，使用列 firm 作为索引。我怎么能那样做？还有其他更有效的选择吗？
编辑。
我不一定需要一个新的 boot.function。我只需要一个（可能是快速的）代码，它允许通过替换重新采样，然后我将把它放在 boot 参数中作为 ran.gen=code.which.works。
输出应该是与原始维度相同的样本，即使可以随机选择公司两次或更多次（或不选择）。例如，结果可能是
head(GrunfeldResampled)
firm year inv value capital
2 1935 257.7 2792.2 209.2
2 1936 330.8 4313.2 203.4
2 1937 461.2 4643.9 207.2
1 1935 317.6 3078.5 2.8
1 1936 391.8 4661.7 52.6
1 1937 410.6 5387.1 156.9
2 1935 257.7 2792.2 209.2
2 1936 330.8 4313.2 203.4
2 1937 461.2 4643.9 207.2
9 1935 317.6 3078.5 122.8
9 1936 391.8 4661.7 342.6
9 1937 410.6 5387.1 156.9
基本上我需要将每个公司都视为 block，因此重采样应该应用于整个区块。希望这能澄清
您可以使用引导函数的 "strata" 参数来完成此操作。这称为分层 bootstrap。 更改代码的最后一行：
result.boot <- boot(Grunfeld, boot.fun, R=500, sim = "ordinary",
strata = Grunfeld$firm)
我抑制了参数ran.gen & sim
我建议对引导功能进行这些更改以使其正常工作：
boot.fun <- function(d, i) { # d being your data, i the set of indices)
est.boot = myfunction(y=d[i ,]$v1, x=d[i, ]$v2, other parameters)
return(est.boot)
}
显然在这个答案中，每个公司都被查看了整整 20 年，所以我可以证明：
data("Grunfeld", package="plm") #load data
解决方案
#n is the the firms column, df is the dataframe
myfunc <- function(n,df) { #define function
unique_firms <- unique(n) #unique firms
sample_firms <- sample(unique_firms, size=length(unique_firms), replace=T ) #choose from unique firms randomly with replacement
new_df <- do.call(rbind, lapply(sample_firms, function(x) df[df$firm==x,] )) #fetch all years for each randomly picked firm and rbind
}
a <- myfunc(Grunfeld$firm, Grunfeld) #run function
输出
> str(a)
'data.frame': 200 obs. of 5 variables:
$ firm : int 4 4 4 4 4 4 4 4 4 4 ...
$ year : int 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 ...
$ inv : num 40.3 72.8 66.3 51.6 52.4 ...
$ value : num 418 838 884 438 680 ...
$ capital: num 10.5 10.2 34.7 51.8 64.3 67.1 75.2 71.4 67.1 60.5 ...
如你所见dim与输入data.frame
对于您的数据，解决方案是：
myfunc <- function(n,df) { #define function
unique_firms <- unique(n) #unique firms
print(unique_firms)
sample_firms <- sample(unique_firms, size=length(unique_firms), replace=T ) #choose from unique firms randomly with replacement
new_df <- do.call(rbind, lapply(sample_firms, function(x) df[df$country==x,] )) #fetch all years for each randomly picked firm and rbind
}
和输出：
> str(a)
'data.frame': 848 obs. of 18 variables:
$ isocode : Factor w/ 106 levels "AGO","ALB","ARG",..: 82 82 82 82 82 82 82 82 61 61 ...
$ time : int 2 3 4 5 6 7 8 9 2 3 ...
$ country : num 80 80 80 80 80 80 80 80 59 59 ...
$ year : int 1975 1980 1985 1990 1995 2000 2005 2010 1975 1980 ...
$ gdp : num 184619 210169 199343 268870 305255 ...
$ pop : num 33.4 34.9 36.6 37.8 38.3 ...
$ gdp_k : num 5526 6022 5443 7117 7969 ...
$ co2 : num 340353 431436 426881 431052 350874 ...
$ co2_k : num 10191 12333 11674 11407 9128 ...
$ oecd : int 1 1 1 1 1 1 1 1 1 1 ...
$ LI : int 0 0 0 0 0 0 0 0 0 0 ...
$ LMI : int 0 0 0 0 0 0 0 0 0 0 ...
$ UMI : int 0 0 0 0 0 0 0 0 0 0 ...
$ HI : int 1 1 1 1 1 1 1 1 1 1 ...
$ gdpk : num 5531 6018 5449 7118 7971 ...
$ co2k : num 10196 12355 11668 11412 9162 ...
$ co2_k.lag: num 8595 10191 12333 11674 11407 ...
$ gdp_k.lag: num 4730 5526 6022 5443 7117 ...