R中的空间面板回归：非整合空间权重？答案

【问题标题】：spatial panel regression in R: non conformable spatial weights?R中的空间面板回归：非整合空间权重？
【发布时间】：2018-03-13 12:26:03
【问题描述】：

我正在尝试使用 splm 包在 R 中运行空间面板回归。所以我有多边形随着时间的推移汇总数据，我想看看因变量如何受到其他变量的影响，这些变量也随着时间而变化。

我有 546 个区域，其中包含许多变量，但为了测试它的工作原理，我使用了 3 个多边形的数据子集，包括用于计算权重的 shapefile 和数据。

https://drive.google.com/file/d/0B4SK0f2zZUKxZ0dDU2lnclB2M3c/view?usp=sharing

#load data
file="sector_panel_data_test.csv"
sector_data=read.table(file,sep=",", header=T, quote="")
sector_data[is.na(sector_data)] <- 0
names(sector_data)
attach(sector_data)

#load shape
require (rgdal)
sectors <-readOGR(dsn=".",layer="sectors_test_sample_year1")
nb <- poly2nb(sectors)


#distance based neighbors
coords <- coordinates(sectors)
nb.d125<- dnearneigh(coords,0,125000,row.names=sectors$Code)

#create weights matrix
mat.d125 <-nb2mat(nb.d125,glist=NULL,style="W",zero.policy=TRUE)

#and then a weights list object
listd125 = mat2listw(mat.d125, style="W")

#design model and run, just picked one variable here
fm <- prop_fdeg ~ mean_pop
randommodel <-spml(fm, 
data=sector_data,index=NULL,listw=listFQQ,model="random", lag=FALSE)

我收到以下错误：

spreml 中的错误（公式 = 公式，数据 = 数据，索引 = 索引，w = listw2mat(listw)，：不符合的空间权重

有人知道这是什么意思吗？我到处搜索，只发现有同样问题的人在寻找解决方案。

【问题讨论】：

标签： r regression panel spatial

【解决方案1】：

这可能与您的问题无关，但希望可以帮助其他人搜索此错误。

数据必须采用特定格式：前两列按此顺序包含index 和time，其余为剩余变量。切换time 和index 将导致Non conformable spatial weights，因为dim(w) != n，其中$n$ 将是time 的唯一元素的数量。

【讨论】：

【解决方案2】：

我也刚刚收到同样的错误。在使用我的数据逐步浏览源代码后（见下文），面板数据中的缺失似乎导致某些行的列表删除。反过来，这些删除的行将导致面板数据和 listw 对象具有不同数量的观察值。要解决此问题，您需要 (1) 估算丢失的数据，(2) 从 listw 对象中删除已删除的行，或 (3) 从模型中删除缺失的变量。就我而言，估算所有丢失的数据似乎可以阻止错误。您还需要注意保持面板数据平衡，因为 splm 也会破坏大多数不平衡的面板数据（plm 中的make.pbalanced 命令似乎对解决数据不平衡没有太大帮助，因为它将添加带有 splm 将拒绝的 NA 的行。

检查缺失、估算缺失数据和/或查看数据在源代码中的工作方式的几种方法：

比较dim(your_data)和dim(na.omit(your_data))

使用 naniar 可视化面板数据中的缺失（另请参阅新的 panelView 包）

install.packages("naniar") # visualise missing data 
library(ggplot2)
library(naniar)
gg_miss_var(your_data)

对您的数据运行plm（不是splm）并检查输出中数据的维度（与原始数据相比）。

p_out <- plm(formula = your_formula, data = your_data, model = "within") 
summary(p_out)
dim(model.matrix(p_out))

一种直接估算缺失数据的方法是使用 simputation 包。更多信息请见https://cran.r-project.org/web/packages/simputation/vignettes/intro.html
Amelia 包为使用时间序列、横截面数据的多重插补提供了更好的选择：https://gking.harvard.edu/amelia

直接在R-Forge 运行spreml 的底层代码。首先，查看下面的代码表明错误是由最后一行生成的。就在这一行之上，我们可以看到 n 是如何定义的，这至少暗示了一些可能的调试途径（通过直接运行底层代码来查看 dim(w) 与 n 不同的地方（w <- your_listw_object）。

## data management through plm functions
pmod <- plm(formula, data, index=index, model="pooling")
X <- model.matrix(pmod)
y <- pmodel.response(pmod)

#names(index) <- row.names(data)
#ind <- index[which(names(index) %in% row.names(X))]
#tind <- tindex[which(names(index) %in% row.names(X))]

ind <- attr(pmod$model, "index")[, 1]
tind <- attr(pmod$model, "index")[, 2]
oo <- order(tind, ind)
X <- X[oo, , drop=FALSE]
y <- y[oo]
ind <- ind[oo]
tind <- tind[oo]
n <- length(unique(ind))
k <- dim(X)[[2]]
t <- max(tapply(X[, 1], ind, length))
nT <- length(ind)

## check compatibility of weights matrix
if (dim(w)[[1]] != n) stop("Non conformable spatial weights")

【讨论】：