面板研究中时间序列中缺失计数数据的多重估算

我正在尝试解决一个涉及面板数据研究中缺失数据的估算的问题（不确定我是否正确使用了“面板数据研究”，正如我今天所学到的那样。）我拥有2003年的总死亡计数数据到2009年，所有8个地区和4个年龄段的男性和女性的所有月份。

数据框看起来像这样：

         District  Gender Year Month    AgeGroup TotalDeaths
         Northern    Male 2006    11        01-4           0
         Northern    Male 2006    11       05-14           1
         Northern    Male 2006    11         15+          83
         Northern    Male 2006    12           0           3
         Northern    Male 2006    12        01-4           0
         Northern    Male 2006    12       05-14           0
         Northern    Male 2006    12         15+         106
         Southern  Female 2003     1           0           6
         Southern  Female 2003     1        01-4           0
         Southern  Female 2003     1       05-14           3
         Southern  Female 2003     1         15+         136
         Southern  Female 2003     2           0           6
         Southern  Female 2003     2        01-4           0
         Southern  Female 2003     2       05-14           1
         Southern  Female 2003     2         15+         111
         Southern  Female 2003     3           0           2
         Southern  Female 2003     3        01-4           0
         Southern  Female 2003     3       05-14           1
         Southern  Female 2003     3         15+         141
         Southern  Female 2003     4           0           4

在2007年和2008年的10个月中，未记录所有地区的总死亡人数。我正在尝试通过多重插补方法估算这些缺失值。使用广义线性模型或SARIMA模型。

我最大的问题是软件和编码的使用。我问了一个关于Stackoverflow的问题，我想将数据提取到较小的组中，例如：

         District  Gender Year Month    AgeGroup TotalDeaths
         Northern    Male 2003     1        01-4           0
         Northern    Male 2003     2        01-4           1
         Northern    Male 2003     3        01-4           0
         Northern    Male 2003     4        01-4           3
         Northern    Male 2003     5        01-4           4
         Northern    Male 2003     6        01-4           6
         Northern    Male 2003     7        01-4           5
         Northern    Male 2003     8        01-4           0
         Northern    Male 2003     9        01-4           1
         Northern    Male 2003    10        01-4           2
         Northern    Male 2003    11        01-4           0
         Northern    Male 2003    12        01-4           1
         Northern    Male 2004     1        01-4           1
         Northern    Male 2004     2        01-4           0

即将

         Northern    Male 2006    11        01-4           0
         Northern    Male 2006    12        01-4           0

但是有人建议我宁愿在这里提出我的问题-也许问一个方向？目前，我无法作为R的适当时间序列/面板研究来输入此数据。我的最终目标是使用此数据及其amelia2包及其功能来估算TotalDeaths2007年和2008年某些月份的丢失情况，其中失踪。

我们将不胜感激任何帮助，如何做到这一点，以及关于如何解决该问题的建议。

如果这有帮助，我将尝试采用类似于克林特·罗伯茨（Clint Roberts）在其博士论文中所做的方法。

编辑：

在按照@Matt的建议创建'time'和'group'变量之后：

> head(dat)
     District Gender Year Month AgeGroup Unnatural Natural Total time                    group
1 Khayelitsha Female 2001     1        0         0       6     6    1     Khayelitsha.Female.0
2 Khayelitsha Female 2001     1     01-4         1       3     4    1  Khayelitsha.Female.01-4
3 Khayelitsha Female 2001     1    05-14         0       0     0    1 Khayelitsha.Female.05-14
4 Khayelitsha Female 2001     1     15up         8      73    81    1  Khayelitsha.Female.15up
5 Khayelitsha Female 2001     2        0         2       9    11    2     Khayelitsha.Female.0
6 Khayelitsha Female 2001     2     01-4         0       2     2    2  Khayelitsha.Female.01-4

如您所见，实际上还有“自然”和“非自然”的更多细节。

您可以使用该Amelia数据包估算数据（完整披露：我是的作者之一Amelia）。该包晕影对如何用它来填充缺失数据的扩展例子。

好像您在每月级别上观察到的是district-gender-ageGroup的单位。首先，为每种类型的单位创建一个因子变量（也就是说，为每个district-gender-ageGroup创建一个因子变量）。我们称之为group。然后，您将需要一个时间变量，该时间可能是自2003年1月以来的月数。因此，该变量在2004年1月将为13。将其称为time。Amelia允许您使用以下命令根据时间趋势进行估算：

library(Amelia)
a.out <- amelia(my.data, ts = "time", cs = "group", splinetime = 2, intercs = TRUE)

的 ts和cs参数只是表示时间和单位的变量。该splinetime参数设置时间用于插补丢失数据的灵活性。在这里，2表示插补将使用时间的二次函数，但较高的值将更灵活。intercs这里的参数告诉Amelia为每个district-gender-ageGroup使用单独的时间趋势。这会为模型添加许多参数，因此，如果遇到麻烦，可以将其设置FALSE为尝试调试。

无论如何，这将使您利用数据中的时间信息进行估算。由于缺少的数据的边界为零，因此您可以使用bounds参数将插补强制为这些逻辑边界。

编辑：如何创建组/时间变量

时间变量可能是最容易创建的，因为您只需要从2002年开始计数（假设这是数据中最低的年份）：

my.data$time <- my.data$Month + 12 * (my.data$Year - 2002)

group变量稍微难一些，但是一种快速的方法是使用paste命令：

my.data$group <- with(my.data, 
                      as.factor(paste(District, Gender, AgeGroup, sep = ".")))

创建这些变量后，您想从插补中删除原始变量。为此，您可以使用idvars参数：

a.out <- amelia(my.data, ts = "time", cs = "group", splinetime = 2, intercs = TRUE,
                idvars = c("District", "Gender", "Month", "Year", "AgeGroup"))