Здесь у меня есть данные панели временных рядов температуры, и я собираюсь запустить для них кусочную регрессию или регрессию кубического сплайна.Итак, сначала я быстро изучил концепции кусочной регрессии и ее базовую реализацию в R в SO, и получил первоначальное представление о том, как продолжить мой рабочий процесс.В своей первой попытке я попытался запустить сплайн-регрессию, используя splines::ns в splines пакете, но я не получил правильную гистограмму.Для меня может сработать использование базовой регрессии, кусочной регрессии или сплайн-регрессии.
Вот общая картина моей спецификации данных панели: в первом ряду, показанном ниже, указаны мои зависимые переменные, которые представлены в натуральных логарифмических терминах инезависимые переменные: средняя температура, общее количество осадков и 11 температурных бункеров, а ширина каждого бункера (AKA, окно бункера) составляет 3 градуса Цельсия.(<-6, -6 ~ -3, -3 ~ 0, ...> 21).
воспроизводимый пример :
Вот воспроизводимые данные, которыесмоделированы с данными панели временных рядов фактической температуры:
set.seed(1) # make following random data same for everyone
dat <- data.frame(index=rep(c("dex111", "dex112", "dex113", "dex114", "dex115"),
each=30),
year=1980:2009,
region= rep(c("Berlin", "Stuttgart", "Böblingen",
"Wartburgkreis", "Eisenach"), each=30),
ln_gdp_percapita=rep(sample.int(40, 30), 5),
ln_gva_agr_perworker=rep(sample.int(45, 30), 5),
temperature=rep(sample.int(50, 30), 5),
precipitation=rep(sample.int(60, 30), 5),
bin1=rep(sample.int(32, 30), 5),
bin2=rep(sample.int(34, 30), 5),
bin3=rep(sample.int(36, 30), 5),
bin4=rep(sample.int(38, 30), 5),
bin5=rep(sample.int(40, 30), 5),
bin6=rep(sample.int(42, 30), 5),
bin7=rep(sample.int(44, 30), 5),
bin8=rep(sample.int(46, 30), 5),
bin9=rep(sample.int(48, 30), 5),
bin10=rep(sample.int(50, 30), 5),
bin11=rep(sample.int(52, 30), 5))
Обратите внимание, что каждый бин имеет одинаково разделенный температурный интервал, за исключением своего экстремального значения температуры, поэтому каждый бин дает количество дней, которые попадают в соответствующий температурный интервал.
обновление 2: спецификация регрессии :
Вот моя спецификация регрессии:
Где районы индексируются i, а годы индексируются t.y_it - это мера выхода, y_it∈ {ln GDP per capita, ln GVA per capita (by six sectors respectively)}, μ_i - набор фиксированных эффектов округа, которые учитывают ненаблюдаемые постоянные различия между округами.θ_t - это набор фиксированных по году эффектов, которые гибко учитывают общие тенденции.T_it ^ m is the number of days in the district i and year t`, которые имеют однодневную среднюю температуру в mth температурном интервале.Каждый внутренний температурный контейнер имеет ширину 3..Мне нужно добавить двухстороннее исправление (фиксированное по году и фиксированное по району), когда я запускаю на нем сплайн-регрессию.
Новое обновление 1 :
Здесь я хочупереопределить мое намерение полностью.Недавно я нашел очень интересный пакет R, plm, который хорошо работает для данных панели.Вот мое новое решение с использованием plm, которое прекрасно работает:
library(plm)
pdf <- pdata.frame(dat, index = c("region", "year"))
model.b <- plm(ln_gdp_percapita ~ bin1+bin2+bin3+bin4+bin5+bin6+bin7+bin8+bin9+bin10+bin11, data = pdf, model = "pooling", effect = "twoways")
library(lmtest)
coeftest(model.b)
res <- summary(model.b, cluster=c("c")) ## add standard clustered error on it
Новое обновление 3 :
summary(model.b, cluster=c("c"))$coefficients # only render coefficient estimates table
Новое обновление 2: моеoutput :
> coeftest(model.b)
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
bin1 1.7773e-04 4.8242e-04 0.3684 0.7125716
bin2 2.4031e-03 4.3999e-04 5.4617 4.823e-08 ***
bin3 7.9238e-04 3.9733e-04 1.9943 0.0461478 *
bin4 -2.0406e-05 3.7496e-04 -0.0544 0.9566001
bin5 9.9911e-04 3.6386e-04 2.7459 0.0060451 **
bin6 6.0026e-05 3.4915e-04 0.1719 0.8635032
bin7 2.5621e-04 3.0243e-04 0.8472 0.3969170
bin8 -9.5919e-04 2.7136e-04 -3.5347 0.0004099 ***
bin9 -1.8195e-04 2.5906e-04 -0.7023 0.4824958
bin10 -5.2064e-04 2.7006e-04 -1.9279 0.0538948 .
---
Signif. codes:
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
нужный график рассеяния :
Ниже приведен график рассеяния, который я хочу получить.Это всего лишь смоделированный график рассеяния, навеянный страницей 32 рабочего документа NBER под названием Влияние температуры на производительность и перераспределение факторов: данные полумиллиона китайских производственных предприятий - доступна версия без шлюза здесь , а ориентацию страницы можно исправить по всему файлу, запустив в командной строке следующее:
pdftk w23991.pdf cat 1-31 32-37east 38-40 41east 42-44 45east 46 output w23991-oriented.pdf
Требуемый точечный график:
На этом графике черная точечная линия представляет собой оценочный коэффициент регрессии (либо базовой линии, либо ограниченной сплайн-регрессии), а точечная синяя линия - это 95% доверительный интервал, основанный на кластерных стандартных ошибках.
Я только что связалсяс автором статьи, и они просто используют Excel, чтобы получить этот сюжет.В основном, они просто использовали Estimate, правую и левую сторону 95-процентного доверительного интервала для построения графика.Я знаю, что подобный сюжет в Excel безумно прост, но мне интересно сделать это в R.Это выполнимо?Любая идея?
Я бы хотел более программный подход к визуализации графика, используя R вместо Excel.Любой умный ход?