Análisis de conglomerados en datos de panel

Question

Tengo un conjunto de datos de panel (país y año) sobre el que me gustaría realizar un análisis de conglomerados por países. Mi conjunto de datos tiene unas 20 variables.

Este es un resumen de mis datos de panel:

panel variable: country (strongly balanced) time variable: year, 2010 to 2013

Ejecutar un análisis de clústeres de kmeans sólo con los datos de 2013 es bastante sencillo. Pero, ¿cómo se haría el análisis teniendo en cuenta todas las observaciones del periodo 2010-2013? ¿Es la agrupación de k-means un enfoque apropiado?

Esto es lo que ejecuté en Stata sólo para 2013:

cluster kmeans var1 var2 var3 var4 var5 var6 if year==2013, k(4) name(test1)

Gracias.

Answer 1

He hecho esto varias veces antes (agrupación con datos de panel) y mi enfoque ha sido agregar la información en el tiempo para crear un conjunto de datos con una fila por país. Las variables agregadas podrían ser las medias de los 4 años o las mínimas o máximas o cualquier otra cosa. Los resultados son difíciles de interpretar si se utiliza cada año como punto de datos para cada país. Por ejemplo, ¿qué significa que un país se encuentre en cada uno de los cuatro grupos a lo largo de los cuatro años?

Esto es sencillo de hacer con data.table en R . Un ejemplo:

require(data.table)
ClusterData = data.table(PanelDataSet)[, list(MeanVar1 = mean(var1)
, MeanVar2 = mean(var2) #create the aggregate variables
...
)
, by = country] #name the variable to aggregate 

A continuación, convertir en una matriz (necesaria para la función kmeans en R)

x = as.matrix(DLQData[,c("MeanVar1", "MeanVar2", ...
), with = FALSE])

A continuación, normalice la matriz utilizando la función scale(). Entonces, ¡está listo para agrupar!

Answer 2

Yo reformularía el ancho para que los datos de cada año sean su propia variable y luego los agruparía. Esto agrupará los países que siguen trayectorias temporales similares para sus 6 variables.

Pruebe algo así en Stata:

reshape wide var@1 var@2 var@3 var@4 var@5 var@6, i(country) j(year);
cluster kmeans var*1 var*2 var*3 var*4 var*6, k(4) name(test1)

Answer 3

He visto algo así en el periódico disponible en el siguiente enlace:

http://www.ersj.eu/repec/ers/papers/12_1_p2.pdf

Básicamente, agruparon los datos y realizaron un análisis pca y un posterior análisis de conglomerados considerando las observaciones como independientes.