R语言tidysynth包generate_control()报预测变量生成NA错误

报错本质是定义的预测变量中，至少存在一个变量在某个单元（处理组/控制组）的指定时间窗口内计算结果为NA，导致后续权重拟合无法进行。

问题1：聚合计算时窗口内全为NA #

你在generate_predictor里给均值计算加了na.rm = T，但这个参数仅能排除窗口内的部分缺失值，如果某个单元在指定的整个时间窗口内，对应变量全部是NA，mean(..., na.rm = T)会返回NaN（会被识别为NA）。
从提供的数据集样例来看，strata和average_income两个变量在2003-2008年全部为NA，如果2009-2012年这两个变量仍有部分单元全为缺失，就会触发报错；另外bulgarlykm22003年为NA，若存在单元2003-2012年该变量全部缺失，同样会出问题。

排查方法 #

运行以下代码，定位存在全量缺失的单元和变量：

library(dplyr)
# 排查入室盗窃变量全缺失的单元
SCMFinal %>%
  filter(year %in% 2003:2012) %>%
  group_by(neghborhood_code) %>%
  summarise(bulgarly_na = all(is.na(bulgarlykm2))) %>%
  filter(bulgarly_na)

# 排查社会阶层、收入变量全缺失的单元
SCMFinal %>%
  filter(year %in% 2009:2012) %>%
  group_by(neghborhood_code) %>%
  summarise(
    strata_na = all(is.na(strata)),
    income_na = all(is.na(average_income))
  ) %>%
  filter(strata_na | income_na)

修复方案 #

• 若缺失单元占比很低：直接将这些单元从面板数据中剔除，再重新运行合成控制流程
• 若变量整体缺失率高：直接删除该预测变量，或调整时间窗口到变量有完整观测的时段

问题2：单年滞后预测变量存在缺失 #

你定义的三个单年取值的杀人率变量，没有做任何缺失值处理，如果某个单元在2007/2009/2011年的homicidekm2为NA，会直接将NA带入预测变量矩阵。

排查方法 #

运行以下代码定位单年缺失的记录：

SCMFinal %>%
  filter(year %in% c(2007, 2009, 2011)) %>%
  select(neghborhood_code, year, homicidekm2) %>%
  filter(is.na(homicidekm2))

修复方案 #

• 若缺失记录少：将对应年份的取值替换为相邻年份的均值，或直接删除该滞后项
• 若缺失多：将单年取值改为3年滚动窗口均值，避免NA产生

代码笔误修正 #

你定义滞后杀人率时，时间窗口和变量名不匹配，容易造成后续结果解读混乱，建议修正为：

# 原错误写法
# generate_predictor(time_window = 2007, homicidekm2_2009 = homicidekm2) %>%
# generate_predictor(time_window = 2009, homicidekm2_2010 = homicidekm2) %>%

# 修正后写法
generate_predictor(time_window = 2007, homicidekm2_2007 = homicidekm2) %>%
generate_predictor(time_window = 2009, homicidekm2_2009 = homicidekm2) %>%
generate_predictor(time_window = 2011, homicidekm2_2011 = homicidekm2) %>%

另外generate_control ()括号前多余的空格不影响运行，但建议写成规范的generate_control()。

内容的提问来源于stack exchange，提问作者Estefania Ramirez