Question

我正在尝试制作一个预测模型，其中我每年执行多个汇总回归（基于前几年），因此允许系数随时间变化。（这在提供的样本数据中可能没有意义，但在实践中我的样本已经完成了。）

以下是我到目前为止的情况：我将代码调整为plm包中的可重现样本：

数据采用以下方式（面板）构建，公司年份已编入索引。

> head(Grunfeld)
  firm year   inv  value capital
1    1 1935 317.6 3078.5     2.8
2    1 1936 391.8 4661.7    52.6
3    1 1937 410.6 5387.1   156.9
4    1 1938 257.7 2792.2   209.2
5    1 1939 330.8 4313.2   203.4
6    1 1940 461.2 4643.9   207.2

这是我的代码：

library(plm)
data("Grunfeld", package="plm")

# Store each subset regression in myregression
myregression <- list()
count <- 1

## pooled regression in each year t, 
## with subset data of the previous six years (t-5) 

for(t in 1940:1950){  
  myregression[[count]] <- plm(inv ~ value + capital, 
                              subset(Grunfeld, year<=t & year>=t-5),
                              index=c("firm","year"))
# Name each regression based on the year range included in the data subset
names(myregression)[[count]] = paste0("Year_",t)
count <- count+1
}


## Prediction
#######################
# Alternative 1: Loop

Forecast<-list()
count<-1
for(t in 1940:1950){
  Forecast[[count]]<-predict(myregression[[count]], subset(Grunfeld, year==t))
  ## Name each Prediction based on the year t:
 names(Forecast)[[count]] = paste0("Year_",t)
 count <- count+1
}

不幸的是我的代码不起作用，我收到以下错误：

Error in crossprod(beta, t(X)) : non-conformable arguments

理想情况下，我希望将我的预测/预测存储在$ Grunfeld $ Forecast中，其结构与原始Grunfeld数据相同。但是，我在使用列表时遇到了很多困难，并且经常无法正确解决它们并将结果存储在原始数据旁边的向量中。这是至关重要的，因为在我自己的样本中，存在大量缺失数据（NA），并且我只能在有限子集上使用预测函数。你如何以理想的方式安排数据？

这是获得条件预测（年度）的正确方法，这些预测具有不同的斜率，并以与原始数据相同的方式存储它们，还是有更有效的方式我不知道？

Answer 1

请注意，您没有估算合并回归。默认情况下，plm会估算within模型。第一次回归的快速摘要揭示了这一点。参见例如summary(myregression[[1]]，其第一行如下：

Oneway (individual) effect Within Model

Call:
plm(formula = inv ~ value + capital, data = subset(Grunfeld, 
    year <= t & year >= t - 5), index = c("firm", "year"))

...

由于您谈到了池化回归，请尝试以下代码。我冒昧地把它缩短了一点：

for(t in 1940:1950){  
  myregression[[as.character(t)]] <- plm(inv ~ value + capital, 
                                         subset(Grunfeld, year<=t & year>=t-5),
                                         index=c("firm","year") , model="pooling")
}
for(t in 1940:1950){
  Forecast[[as.character(t)]]<-predict(myregression[[as.character(t)]], 
                                       subset(Grunfeld, year==t))
}

这为您提供了没有错误消息的预测值。

我无法评论您关于这是否是正确的统计方法的最后一个问题，但我希望R相关问题得到解决。

要回复您的评论，请尝试

Grunfeld$forc <- NA

for(t in 1940:1950){
  Grunfeld[which(Grunfeld$year==as.character(t)), "forc"] <-
               predict(myregression[[as.character(t)]], subset(Grunfeld, year==t))
}

面板数据中混合回归模型的模型预测

1 个答案: