Question

我正在尝试使用滞后，前导和差异变量进行一些面板分析。但是plm函数不能提供所需的结果，因为它不会遍历个人。我已在网上查看，但是使用pdata.frame()的以下帖子（Answer_Stack）给出了相同的问题结果。当我在group_by(i)中dplyr时，我得到了理想的结果。谁能解释一下发生了什么？

# Variables
i <- c(1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7, 7, 7)
t <- c(2001, 2002, 2003, 2001, 2002, 2003, 2001, 2002, 2003, 2001, 2002, 2003, 2001, 2002, 2003, 2001, 2002, 2003, 2001, 2002, 2003)
y <- c(0.047136, 0.044581, 0.040973, 0.045536, 0.043952, 0.038797, 0.049942, 0.047440, 0.042193, 0.048503, 0.046816, 0.040292, 0.056089, 0.052054, 0.047078, 0.044223, 0.041516, 0.036947, 0.045608, 0.042028, 0.037878)
x <- c(0.32691, 0.33013, 0.32888, 0.40301, 0.40337, 0.40326, 0.29692, 0.29982, 0.29790, 0.30380, 0.30698, 0.30668, 0.27942, 0.28696, 0.28616, 0.31218, 0.31424, 0.31382, 0.34592, 0.34738, 0.34782)

# Create plm dataframe
dta <- data.frame(i, t, y, x)
pdta <- plm.data(dta, indexes = c("i", "t"))

# Create lagged variable with plm
pdta$l.x <- lag(pdta$x)             # Does not work

# Create using dplyr
pdta <- pdta %>%
  group_by(i) %>%
  mutate(lag.x = lag(x))

View(pdta)

回答注意：即使遵循建议的步骤，我也会这样：

> pdta <- pdata.frame(dta, index= c("i", "t"))
    > head(cbind(pdta$i, pdta$y, lag(pdta$y)), 10)
           [,1]     [,2]     [,3]
    1-2001    1 0.047136       NA
    1-2002    1 0.044581 0.047136
    1-2003    1 0.040973 0.044581
    2-2001    2 0.045536 0.040973
    2-2002    2 0.043952 0.045536
    2-2003    2 0.038797 0.043952
    3-2001    3 0.049942 0.038797
    3-2002    3 0.047440 0.049942
    3-2003    3 0.042193 0.047440
    4-2001    4 0.048503 0.042193

Answer 1

首先，您没有使用正确的函数将data.frame转换为pdata.frame。 plm.data返回一个data.frame，可直接用于估算函数，但不直接适用于数据转换函数。请改用pdata.frame：

pdta <- pdata.frame(dta, index= c("i", "t"))

然后尝试lag：

head(cbind(pdta$i, pdta$y, lag(pdta$y)), 10)
       [,1]     [,2]     [,3]
1-2001    1 0.047136       NA
1-2002    1 0.044581 0.047136
1-2003    1 0.040973 0.044581
2-2001    2 0.045536       NA
2-2002    2 0.043952 0.045536
2-2003    2 0.038797 0.043952
3-2001    3 0.049942       NA
3-2002    3 0.047440 0.049942
3-2003    3 0.042193 0.047440
4-2001    4 0.048503       NA

或者，您也可以

pdta <- pdata.frame(plm.data(dta, indexes= c("i", "t")))

其次，正如我们在评论中指出的那样，加载dplyr“覆盖”（掩盖）许多基本R函数，包括你提到的函数。 plm以这些基本R函数为基础，在其pdata.frame对象上执行所需的操作。正如helix123所提到的，即使加载了dplyr，您也可以使用plm来引用plm::<function name>实现。

在plm数据帧中创建lag，lead和diff变量

1 个答案: