Question

我有一个包含数百行的数据集，像这样

User    Date        Value1  Value2
A       2012-01-01  4       3
A       2012-01-02  5       7
A       2012-01-03  6       1
A       2012-01-04  7       4
B       2012-01-01  2       4
B       2012-01-02  3       2
B       2012-01-03  4       9
B       2012-01-04  5       3

由于面板数据有两个索引（User = k，Date = t），因此我难以对R进行回归，其中因变量（值1）仅在时间索引上滞后。回归应如下执行：

Value1（k，t + 1）〜Value2（k，t）要么值1（k，t）〜值2（k，t-1）

有什么建议吗？

Answer 1

对于每个用户，您都可以执行以下操作：

> df <- data.frame(User = c(rep("A", 4), rep("B", 4)),
+                  Date = rep(seq.Date(as.Date("2012-01-01"), as.Date("2012-01-04"), by = "day"), 2),
+                  Value1 = c(4, 5, 6, 7, 2, 3, 4, 5),
+                  Value2 = c(3, 7, 1, 4, 4, 2, 9, 3))
>   
> df_A <- df[df$User == "A", c("Value1", "Value2")]
> ts_A <- ts(df_A, start = c(2012, 1, 1), frequency = 365)
> ts_A <- ts.intersect(ts_A, lag(ts_A, -1))
> colnames(ts_A) <- c("Value1", "Value2", "Value1_t_1", "Value2_t_1")
> 
> lm(Value1 ~ Value2_t_1, ts_A)

Call:
lm(formula = Value1 ~ Value2_t_1, data = ts_A)

Coefficients:
(Intercept)   Value2_t_1  
     6.3929      -0.1071  

>

希望有帮助。

Answer 2

这是使用dplyr软件包的解决方案，您可能会注意到，在下面的代码中，我明确引用了dplyr的lag函数，而不是基数R（统计信息）。这是因为dplyr的滞后函数不需要时间序列输入。

我还要注意，您列出的两个公式可能会产生不同的回归结果，因为您将在不同的数据集上运行它们，即

Value1（k，t + 1）〜Value2（k，t）：运行时间为2012年1月1日至2012年1月3日

Value1（k，t）〜Value2（k，t-1）：在2012年1月2日至2012年1月4日的时间段内运行

library("tidyverse")

df <- data.frame(User = c(rep("A", 4), rep("B", 4)),
             Date = rep(seq.Date(as.Date("2012-01-01"), as.Date("2012-01-04"), by = "day"), 2),
             Value1 = c(4, 5, 6, 7, 2, 3, 4, 5),
             Value2 = c(3, 7, 1, 4, 4, 2, 9, 3))

df2 <- df %>% arrange(User,Date) %>%
  group_by(User) %>%
  mutate(lag_v2 = dplyr::lag(Value2), 
         lead_v1 = dplyr::lead(Value1))



df3<-df2[!is.na(df2$lag_v2),]
df4<-df2[!is.na(df2$lead_v1),]

summary(lm(Value1~lag_v2,data=df3))
summary(lm(lead_v1~Value2,data=df4))

在R上滞后多索引时间序列面板数据

2 个答案: