我有一个面板数据，即t个观察点n的{{1}}行，例如
nxt我想要进行块引导，即我想要替换重新采样，在所观察的所有年份中采用公司[i]。例如，如果随机抽取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
和公司1，我希望公司[1]将在新样本中3次，对应year=1935:1937。如果它被重新绘制，那么它必须再次为3次。此外，我需要将自己的函数应用于新的自举样本，我需要这样做500次。
我目前的代码是这样的：
year=1935:1937我正在考虑通过以正确的方式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
指定重新采样，因为它使用列data = sample(data, ?? )的索引作为平滑和干净的工作。我怎么能这样做？还有其他更有效的替代方案吗？
EDIT。
我不一定需要一个新的boot.function。我只需要一个（可能很快）代码，允许用替换重新采样，然后我将它放在firm参数中作为boot。
输出应该是与原始尺寸相同的样本，即使公司可以随机选择两次或更多次（或不被挑选）。例如，结果可能是
ran.gen=code.which.works基本上我需要将每个公司视为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
，因此重新采样应适用于整个区块。希望这澄清
答案 0 :(得分：1)
显然，在这个答案中，每家公司都被观看了整整20年，所以我不会有任何问题证明：
data("Grunfeld", package="plm") #load data
<强>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
<强>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 ...
正如您所看到的，dim与输入data.frame
对于您的数据，解决方案将是：
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 ...
答案 1 :(得分：0)
您可以使用启动功能的“strata”参数执行此操作。这称为分层自举。 更改代码的最后一行：
result.boot <- boot(Grunfeld, boot.fun, R=500, sim = "ordinary",
strata = Grunfeld$firm)
我压制了参数ran.gen＆amp; SIM
我建议这些更改启动功能，以便它正常工作：
boot.fun <- function(d, i) { # d being your data, i the set of indices)
est.boot = myfunction(y=d[i ,]$v1, x=d[i, ]$v2, other parameters)
return(est.boot)
}