Аналіз інтервальних часових рядів за допомогою R та пакету plm

6 Березня 2024 в 20:43 45

Інтервальний аналіз часових рядів є важливим інструментом для оцінки впливу втручання або події на неперервний результат з часом. Реалізація такого аналізу в R можлива за допомогою різних пакетів, включаючи plm для аналізу панельних даних.

Коли маємо справу з вкладеними даними, такими як спостереження, згруповані за користувачами (id), важливо відповідним чином налаштувати модель. Проте, перехід від nlme до plm для аналізу інтервальних часових рядів може зустріти певні виклики.

Модель, яку ви намагаєтеся вказати в plm, виглядає наступним чином:

m = plm(
  y ~ time + event + time_since_event,
  data = pd_df,
  model = 'within',
  effect = 'twoways'
)

m = plm(

y ~ time + event + time_since_event,

data = pd_df,

model = 'within',

effect = 'twoways'

)

Проте, ви зіткнулися з помилкою:

Error in plm.fit(data, model, effect, random.method, random.models, random.dfcor,
(r_v1.R#361): empty model

1 2	Error in plm.fit(data, model, effect, random.method, random.models, random.dfcor, (r_v1.R#361): empty model

Ця помилка свідчить про те, що функція plm не може належним чином підігнати вказану модель. Можливо, plm не є найбільш підходящим пакетом для цього конкретного типу аналізу інтервальних часових рядів.

Один із потенційних альтернативних варіантів – продовжити використовувати nlme для вашого аналізу. Пакет nlme підходить для ієрархічних або вкладених структур даних, і підтримує різні структури кореляції, включаючи авторегресійні моделі, такі як corAR1().

Якщо ви вирішили використовувати plm, розгляньте спрощення вашої модельної специфікації або дослідіть альтернативні пакети, які спеціально призначені для аналізу інтервальних часових рядів в панельних даних.