如何在R中建立转移矩阵(Markov)？

Question

我已经读过类似的问题了，但是我没能正确理解代码，所以如果有人能帮上忙的话，那就很好了。

我有一个类似于此的金融数据集：

Year  ID  Return  Quintile
1      A   -0,3      1
2      A   -0,2      2
3      B    1,5      5
3      C    0,1      3
4      C    0,1      3

每年，我都有关于许多投资者身份证的信息。对于某些ID，我有20年的数据，而对于其他的，我只有2到3年的数据。我能够从1到5在性能五分之一(基于回报)中对数据进行排序。我需要做一个概率转换矩阵。

基本上，我需要知道，在第二年，一个位于五分位数1中的ID是否仍然保留在五分位数1上，或者迁移到2，3，4或5中的概率。我也需要在两年的时间内这样做。

。

应该是这样的(ifirst和第二表，而不是A，B，C应该有1，2，3等等)

​

Ps。我需要平衡数据框架吗？也就是说，只分析有连续10年数据的ID？否则，只有两年返回时间并更改其五分之一的ID，其更改状态的概率为100%，可能会干扰最终结果。

非常感谢，很抱歉写了这么长的邮件。

Answer 1

dat1 <- read.table(text="
Year  ID  Return  Quintile
1      A   -0,3      1
2      A   -0,2      2
3      B    1,5      5
3      C    0,1      3
4      C    0,1      3
", header=TRUE)

您可以使用来自statetable.msm包的msm来计数数据集中的转换，按ID分层：

msm::statetable.msm(Quintile, ID, data=dat1)

    to
from 1 2 3 5
   1 0 1 0 0
   3 0 0 1 0

这将给出计数，但可以使用prop.table给出行百分比。这将取决于你有连续几年的每一门学科。

对于如此少量的数据，是不可能的，但是要正确地估计传输矩阵，您可以使用msm函数如下：

# set allowed transitions
qm <- matrix(1,nrow=5, ncol=5)
# estimate the matrix
q1 <- msm::msm(Quintile ~ Year , subject = ID, data=dat1, qmatrix = qm)

然后，您可以获取这个矩阵并计算任意给定时间段的转换矩阵。但这并不适用于观察到的两个转换。看一下msm的文档，了解它是如何工作的。