使用R中did_imputation处理月度数据时遇格式错误求助

问题根源 #

报错核心原因有两点：

• tname（观测时间）和gname（处理时间）用了字符串格式的年月（如"2010-2"），但did_imputation要求这两个变量是可排序的数值型时间索引，字符串无法被函数正确解析用于分组计算。
• 当前数据集只有单个时间点的观测，函数需要多期面板数据（每个个体有多个时间点记录）才能构建处理组与对照组的差异，进而估算处理效应。

解决方案 #

1. 将时间变量转换为数值型月度索引

把字符串年月转换为连续数值，用年份*12 + 月份的方式，既保留月度属性，又能被函数识别：

library(did_imputation)
library(lubridate)

# 转换观测时间tname为数值型索引
data$t_num <- parse_date_time(data$tname, "%Y-%m") %>% 
  {year(.)*12 + month(.)}

# 转换处理时间gname为数值型索引（NA保持不变）
data$g_num <- ifelse(is.na(data$gname), NA,
                     parse_date_time(data$gname, "%Y-%m") %>% 
                     {year(.)*12 + month(.)})

2. 补充多期面板数据

函数必须基于多期数据运行，需补充不同月份的观测记录。以下是模拟的多期数据示例（替换为你的真实数据即可）：

# 模拟5个个体、6个月份的多期面板数据
data <- data.frame(
  coicop = rep(c("CP01111", "CP01112", "CP01113", "CP01114", "CP01115"), each=6),
  date = rep(seq(as.Date("2010-01-01"), as.Date("2010-06-01"), by="month"),5),
  YoY_Inflation = rnorm(30, mean=0, sd=2),
  tname = rep(c("2010-1","2010-2","2010-3","2010-4","2010-5","2010-6"),5),
  gname = rep(c(NA, "2012-1", NA, "2010-1", NA), each=6),
  stringsAsFactors = FALSE
)

3. 运行修正后的函数

使用转换后的数值型时间变量调用函数：

did_imputation(data = data, 
               yname = "YoY_Inflation", 
               tname = "t_num", 
               gname = "g_num", 
               idname = "coicop")

额外注意事项 #

• 确保g_num（处理时间）的数值大于至少一部分t_num（观测时间）的数值，即处理发生在部分观测时间之后，否则函数无法识别有效处理效应。
• 未被处理的个体（gname为NA）无需额外处理，函数会自动将其归为对照组。
• 年份*12+月份的转换方式完全保留了月度时间的顺序性，不会丢失数据的月度属性。

内容的提问来源于stack exchange，提问作者banannanas