Как я могу сбалансировать панель, которая не сбалансирована в R?

Question

У меня есть несбалансированные месячные данные панели. В некоторых штатах отсутствуют некоторые периоды времени, и поэтому у меня нет этих периодов в моей группе. Я хотел бы добавить эти периоды и назначить им NA значение.

Я пробовал функцию, которая балансирует панель, но она устраняет все наблюдения, которые не соответствуют всем состояниям. Поэтому, если не будет данных по Алабаме за 02-2008 годы, это исключит наблюдения для всех штатов за 02-2008.

balanced <- function(data, ID, TIME, VARS, required=c("all", "shared")) {
  if(is.character(ID)) {
    ID <- match(ID, names(data))
  }
  if(is.character(TIME)) {
    TIME <- match(TIME, names(data))
    if(missing(VARS)) { 
      VARS <- setdiff(1:ncol(data), c(ID,TIME))
    } else if (is.character(VARS)) {
      VARS <- match(VARS, names(data))
    }
    required <- match.arg(required)
    idf <- do.call(interaction, c(data[, ID, drop=FALSE], drop=TRUE))
    timef <- do.call(interaction, c(data[, TIME, drop=FALSE], drop=TRUE))
    complete <- complete.cases(data[, VARS])
    tbl <- table(idf[complete], timef[complete])
    if (required == "all") {
      keep <- which(rowSums(tbl == 1) == ncol(tbl))
      idx <- as.numeric(idf) %in% keep
    } else if (required == "shared") {
      keep <- which(colSums(tbl == 1) == nrow(tbl))
      idx <- as.numeric(timef) %in% keep
    }
    data[idx, ]
  }

Balanced_panel <- balanced(milk_state, "STATE", "PERIOD", "VALUE", required = "all")

Вот как это выглядит:

  STATE       PERIOD    VALUE
California    01-2018     900
California    02-2018     890
California    03-2018     780
California    05-2018     800

Вот как я хочу, чтобы это выглядело так:

  STATE       PERIOD    VALUE
California    01-2018     900
California    02-2018     890
California    03-2018     780
California    04-2018      NA
California    05-2018     800

Answer 1

На самом деле вы не хотите создавать сбалансированную выборку из существующих данных (это то, что вы сделали с вашим кодом выше), но вы хотели бы расширить свою выборку всеми возможными комбинациями STATEа также PERIOD. Для этого требуется еще один шаг, а именно создание этих комбинаций. Начните с этого

      library(tidyverse)
data$ID %>% unique() %>%
  expand.grid(., seq('2018-01-01', '2018-05-01', by = 'month')) %>%
  rename("ID" = 1, "PERIOD" = 2) -> df

После этого возьмите этот кадр данных из всех возможных комбинаций, df, и используйте left_joinчтобы присоединиться к вашим существующим наблюдениям:

      df %>%
  left_join (data, by = c("ID", "PERIOD") -> data

Полученный кадр данных, data, представляет собой сбалансированную выборку, содержащую все идентификаторы и периоды. Для вычислений вы могли бы ввести среднее или нулевое вменение пропущенных значений, если ваши настройки допускают такие предположения о значениях переменных, и у вас есть сбалансированная выборка в том узком смысле, что в вашей выборке существуют только идентификаторы с наблюдениями за все периоды.