Questions tagged «data-imputation»

我想通过最小化均方预测误差，将一个时间序列数据集的预测值和预测值（即过去的预测值）组合为一个时间序列。 假设我有一个2001-2010年的时间序列，与2007年之间有一个间隔。我已经能够使用2001-2007年数据（红线-称为YfYfY_f）来预测2007年，并能够使用2008-2009年数据进行反向预测（光蓝线-称为YbYbY_b）。 我想将YfYfY_f和的数据点合并为每个月的估算数据点Y_i。理想情况下，我希望获得权重，以使其最小化的均方预测误差（MSPE）。如果这不可能，那么我如何才能找到两个时间序列数据点之间的平均值？ w ^ ÿ 我YbYbY_bwwwYiYiY_i Yi=w⋅Yf+(1−w)⋅YbYi=w⋅Yf+(1−w)⋅YbY_i = w\cdot Y_f + (1-w)\cdot Y_b 作为一个简单的例子： tt_f <- ts(1:12, start = 2007, freq = 12) tt_b <- ts(10:21, start=2007, freq=12) tt_f Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2007 1 2 3 4 5 6 7 …

10 r  time-series  forecasting  data-imputation 

考虑以下R代码： > data <- data.frame( a=c(NA,2,3,4,5,6),b=c(2.2,NA,6.1,8.3,10.2,12.13),c=c(4.2,7.9,NA,16.1,19.9,23)) > data a b c 1 NA 2.20 4.2 2 2 NA 7.9 3 3 6.10 NA 4 4 8.30 16.1 5 5 10.20 19.9 6 6 12.13 23.0 如您所见，我对数据进行了大致的设计c = 2*b = 4*a。因此，我希望缺少的值在左右a=1, b=2, c=12。所以我进行了分析： > imp <- mi(data) Beginning Multiple Imputation ( …

9 r  data-imputation  multiple-imputation 

我进行了一项大型调查，其中询问了学生，尤其是母亲的教育水平。有些人跳过了，有的回答错误。我知道这一点，因为后来有一个最初受访者母亲的子样本接受了采访，并提出了同样的问题。（我敢肯定，与母亲的回答有关的错误也要少一些。） 我的挑战是决定如何最好地利用第二个更可靠的数据源。至少，与只能依靠完整案例的情况相比，我可以使用它来更智能地估算丢失的数据。但是，如果我可以交叉核对数据的孩子中有3/4回答“我的母亲从未读完小学”的孩子与他们母亲的回答相矛盾，那么看来我应该使用估算来创建多个数据集以捕获那里的不确定性。[补充：我说的是3/4，但是现在我已经检查了数据，我还想告诉您，接近40％的数据是不对的] 我个人将在混合模型中使用母亲的教育作为预测因子，但是如果有人对其他情况有话要说，我也希望了解它们。 我很想收到有关广泛技巧或特定方面的建议。谢谢！ 更新：尽管感谢Will和Conjugate_Prior的回答，但我暂时还没有解决问题，但我希望获得更多具体和技术反馈。 下面的散点图将让您了解在存在10,000个案例的情况下这两个变量如何关联。它们嵌套在100余所学校中。它们的相关系数为0.78，学生的答案-均值：5.12 sd = 2.05，妈妈的答案，均值= 5.02，sd = 1.92在大约15％的情况下，学生的答案缺失。

9 data-imputation 

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 …

9 r  time-series  panel-data  data-imputation