来自不平衡面板数据的 R 样本

Question

我正在处理不平衡的面板数据，我想从中抽取一个随机样本，该样本不受每个单位不同观察次数的影响。例如，在下面的代码中，IBM 被选中的可能性是 GOOG 的两倍，被选中的可能性是 MSFT 的五倍。有没有办法对这些数据进行抽样，就好像每个公司/年份被选中的概率相等一样？可能通过使用采样包？

df <- data.frame(COMPANY=c(rep('IBM',50),rep('GOOG',25),rep('MSFT',10)), YEAR=c(1961:2010,1988:2012,1996:2005), PROFIT=rnorm(85))
df

df[sample(nrow(df), 20, replace=FALSE), ]

Answer 1

您可以这样做:

probs <- 1 / table(df$COMPANY)[df$COMPANY]
df[sample(nrow(df), 20, replace = FALSE, prob = probs), ]

让我们测试一下:

table(df[sample(nrow(df), 1e6, replace = TRUE, prob = probs), "COMPANY"])
#   GOOG    IBM   MSFT 
# 333499 333080 333421

我们不是让每一行的概率都等于 1/(50+25+10)，而是将它们归一化，这样每家公司都有相同的概率被选中:

tapply(probs, df$COMPANY, sum)
# GOOG  IBM MSFT 
#   1    1    1

( probs 总和为 3 而不是 1，但 sample 负责处理)。为了让数学更清晰，让我们举一个简单的例子(它的总和不等于 1，但这不是问题):

vec <- c(1, 1, 2)
as.vector(1 / table(vec)[vec])
# [1] 0.5 0.5 1.0