Erhalte angepasste Werte einer logarithmischen abhängigen Variablen zum ursprünglichen Panel-Datensatz in R

Question

Ich versuche, den angepassten Wert der abhängigen Variablen des Log-Log-Modells zu kombinieren. Mein Datensatz ist ein unausgewogenes Panel. Ich habe versucht, es so zu tun, wie angegeben here. Aber meine Frage ist anders, weil ich meinen großen Datensatz bereits in ein plm-Objekt umgewandelt habe und es eine logabhängige Variable ist.

Mein einfacher Datensatz kann über die folgenden Codes erreicht werden.

dat = structure(list(Time = structure(c(9L, 7L, 15L, 1L, 17L, 13L, 
11L, 3L, 23L, 21L, 19L, 5L, 10L, 8L, 16L, 2L, 18L, 14L, 12L, 
4L, 24L, 22L, 20L, 6L), .Label = c("Apr-00", "Apr-01", "Aug-00", 
"Aug-01", "Dec-00", "Dec-01", "Feb-00", "Feb-01", "Jan-00", "Jan-01", 
"Jul-00", "Jul-01", "Jun-00", "Jun-01", "Mar-00", "Mar-01", "May-00", 
"May-01", "Nov-00", "Nov-01", "Oct-00", "Oct-01", "Sep-00", "Sep-01" 
), class = "factor"), Firm = structure(c(1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L), .Label = c("A", "B"), class = "factor"), Out = c(161521L, 
142452L, 365697L, 355789L, 376843L, 258762L, 255447L, 188545L, 
213663L, 273209L, 317468L, 238668L, 241286L, 135288L, 363609L, 
318472L, 446279L, 390230L, 118945L, 174887L, 183770L, 197832L, 
317468L, 238668L), Lab = c(261L, 334L, 156L, 134L, 159L, 119L, 
41L, 247L, 251L, 62L, 525L, 217L, 298L, 109L, 7L, NA, 0L, 50L, 
143L, 85L, 80L, 214L, 525L, 217L), Cap = c(13L, 15L, 14L, 12L, 
15L, 12L, 45L, 75L, NA, 12L, 15L, 16L, 42L, 45L, 24L, 56L, 12L, 
12L, 45L, NA, 15L, 12L, 15L, 16L)), .Names = c("Time", "Firm", 
"Out", "Lab", "Cap"), class = "data.frame", row.names = c(NA, 
-24L)) 

Mein Datensatz sieht wie folgt aus und mit fehlenden Daten der Prädiktoren.

 
    +--------+------+--------+-----+-----+ 
| Time | Firm | Out | Lab | Cap | 
+--------+------+--------+-----+-----+ 
| Jan-00 | A | 161521 | 261 | 13 | 
| Feb-00 | A | 142452 | 334 | 15 | 
| Mar-00 | A | 365697 | 156 | 14 | 
| Apr-00 | A | 355789 | 134 | 12 | 
| May-00 | A | 376843 | 159 | 15 | 
| Jun-00 | A | 258762 | 119 | 12 | 
| Jul-00 | A | 255447 | 41 | 45 | 
| Aug-00 | A | 188545 | 247 | 75 | 
| Sep-00 | A | 213663 | 251 |  | 
| Oct-00 | A | 273209 | 62 | 12 | 
| Nov-00 | A | 317468 | 525 | 15 | 
| Dec-00 | A | 238668 | 217 | 16 | 
| Jan-01 | B | 241286 | 298 | 42 | 
| Feb-01 | B | 135288 | 109 | 45 | 
| Mar-01 | B | 363609 | 7 | 24 | 
| Apr-01 | B | 318472 |  | 56 | 
| May-01 | B | 446279 | 0 | 12 | 
| Jun-01 | B | 390230 | 50 | 12 | 
| Jul-01 | B | 118945 | 143 | 45 | 
| Aug-01 | B | 174887 | 85 |  | 
| Sep-01 | B | 183770 | 80 | 15 | 
| Oct-01 | B | 197832 | 214 | 12 | 
| Nov-01 | B | 317468 | 525 | 15 | 
| Dec-01 | B | 238668 | 217 | 16 | 
+--------+------+--------+-----+-----+ 

Ich kann die angepassten Werte erhalten Sie die folgenden Codes verwenden

library(zoo) 
library(plm) 

Sys.setlocale("LC_TIME", "English") 
dat["time1"] <- as.yearmon(dat$Time,format="%b-%y") 
pdat <-pdata.frame(dat,index=c("Firm","time1")) 
Model1<- plm(log(Out) ~ lag(log(Cap), 1) + log(Lab + 1), 
     model = "within", data=pdat) 
summary(Model1) 

library(data.table) 
FV_Log <- data.table(Model1$model[[1]] - Model1$residuals) 

Aber die Beobachtungen des PDAT 24 Beobachtungen FV_Log 19 Beobachtungen ist, so bin ich nicht in der Lage, es zu fusionieren PdAt. Mein PDAT ist groß mit mehreren tausend Beobachtungen und ich habe viele Variablen mit Codes erstellt. Daher wäre jede Hilfe hilfreich, um den angepassten Wert korrekt in das ursprüngliche pdat zu integrieren (ohne die Reihenfolge zu ändern).

Answer 1

Das Problem, vor dem Sie stehen, ist zweifach. Zuerst haben Sie NA, die Ihr Modell bei der Berechnung der Residuen fallen lässt, also wird Ihr Ergebnis natürlich weniger Elemente haben. Das zweite Problem ist, dass Sie eine Ihrer Kovariaten zurückbleiben, die eine NA für Ihre erste Beobachtung (zunächst temporär) produziert -nach allem, was eine Verzögerung tut. Um dieses Problem zu lösen, benötigen Sie zusätzliche Daten aus dem vorherigen Zeitraum oder Sie müssen auf diese Beobachtung verzichten. Angenommen, Sie haben keinen Zugriff auf Daten des vorherigen Zeitraums. So würde ich das Problem lösen.

#First I would create a new variable for CAP and just lag and log that separately, rather than applying the function in the formula of the model itself 
pdat$Cap.lag.ln<-lag(log(pdat$Cap), 1) 
pdat$Cap<-NULL #deleting the old variable to clear up the mess 

#Dont necessarily need the na.omit but it couldn't hurt... 
Model1<- plm(log(Out) ~ Cap.lag.ln + log(Lab + 1), 
    model = "within", data=pdat, na.omit=TRUE) 
FV_Log <- data.table(Model1$model[[1]] - Model1$residuals) 

#Now this is where you reduce your original dataset (pdat) by getting rid of the NAs 
pdat2<-na.omit(pdat) 
#You will notice that they're the same dimensions now and you can cbind 
pdat3 <-cbind(pdat2,FV_Log) 
     Time Firm Out Lab time1 Cap.lag.ln  V1 
1: Feb-00 A 142452 334 Feb 2000   2 12.41211 
2: Mar-00 A 365697 156 Mar 2000   2 12.54861 
3: Apr-00 A 355789 134 Apr 2000   2 12.57580 
4: May-00 A 376843 159 May 2000   2 12.54520 
5: Jun-00 A 258762 119 Jun 2000   2 12.59702 
6: Jul-00 A 255447 41 Jul 2000   2 12.78611 
7: Aug-00 A 188545 247 Aug 2000   3 12.28887 
8: Sep-00 A 213663 251 Sep 2000   4 12.10858 
9: Nov-00 A 317468 525 Nov 2000   2 12.33084 
10: Dec-00 A 238668 217 Dec 2000   2 12.48949 
11: Feb-01 B 135288 109 Feb 2001   3 12.20776 
12: Mar-01 B 363609 7 Mar 2001   3 12.67984 
13: May-01 B 446279 0 May 2001   4 12.87698 
14: Jun-01 B 390230 50 Jun 2001   2 12.52360 
15: Jul-01 B 118945 143 Jul 2001   2 12.33665 
16: Aug-01 B 174887 85 Aug 2001   3 12.25209 
17: Oct-01 B 197832 214 Oct 2001   2 12.26445 
18: Nov-01 B 317468 525 Nov 2001   2 12.10331 
19: Dec-01 B 238668 217 Dec 2001   2 12.26195 

Und wenn Sie diese NA ist wieder abrufen möchten, können Sie folgendes tun:

pdat3 <-as.data.frame(pdat3) 
pdat4<-merge(pdat3, pdat, 
    by=c("Time","Firm","Out", "Lab","time1"), 
    all.x=TRUE,all.y=TRUE) 

    Time Firm Out Lab time1 Cap.lag.ln  V1 Cap 
1 Apr-00 A 355789 134 Apr 2000   2 12.57580 12 
2 Apr-01 B 318472 NA Apr 2001   NA  NA 56 
3 Aug-00 A 188545 247 Aug 2000   3 12.28887 75 
4 Aug-01 B 174887 85 Aug 2001   3 12.25209 NA 
5 Dec-00 A 238668 217 Dec 2000   2 12.48949 16 
6 Dec-01 B 238668 217 Dec 2001   2 12.26195 16 
7 Feb-00 A 142452 334 Feb 2000   2 12.41211 15 
8 Feb-01 B 135288 109 Feb 2001   3 12.20776 45 
9 Jan-00 A 161521 261 Jan 2000   NA  NA 13 
10 Jan-01 B 241286 298 Jan 2001   NA  NA 42 
11 Jul-00 A 255447 41 Jul 2000   2 12.78611 45 
12 Jul-01 B 118945 143 Jul 2001   2 12.33665 45 
13 Jun-00 A 258762 119 Jun 2000   2 12.59702 12 
14 Jun-01 B 390230 50 Jun 2001   2 12.52360 12 
15 Mar-00 A 365697 156 Mar 2000   2 12.54861 14 
16 Mar-01 B 363609 7 Mar 2001   3 12.67984 24 
17 May-00 A 376843 159 May 2000   2 12.54520 15 
18 May-01 B 446279 0 May 2001   4 12.87698 12 
19 Nov-00 A 317468 525 Nov 2000   2 12.33084 15 
20 Nov-01 B 317468 525 Nov 2001   2 12.10331 15 
21 Oct-00 A 273209 62 Oct 2000   NA  NA 12 
22 Oct-01 B 197832 214 Oct 2001   2 12.26445 12 
23 Sep-00 A 213663 251 Sep 2000   4 12.10858 NA 
24 Sep-01 B 183770 80 Sep 2001   NA  NA 15