我刚刚发现我的数据集比我预期的要混乱得多，我想知道这里是否有人有一些建议。我有按区域划分的销售数据（国家一级的 5 个大断点，然后每个国家级大断点内有 4-6 个断点，第二个断点就是我所说的区域。之后的分解是所有商店在一个区域内销售。），但我刚刚发现区域中包含的内容会随着时间的推移而变化。

在过去的 3 年中，他们移除了 3 个区域，然后将销售转移到其他区域（想象一下，将双城的所有销售额，然后决定在 2 月 1 日将它们从被记录为“双城”改为其中一半被录制为“麦迪逊”，另一半与“芝加哥”相关联）。

此外，一家商店（地区之后的细分）从一个地区转移到另一个地区（所以在 2 月 1 日，我的商店从被记录为在在芝加哥销售的孪生城市）。

自然，这是我的数据集中不包含的信息（统计人员在进行数据决策时没有任何事情），所以我有一个当前没有指向此信息的链接的多维数据集。在访问数据库中，我可以访问各个商店级别的数据，该数据是他们每月区域关联的列表（因此对于我的商店，它会在每个单元格中显示“双城”，直到 2012 年 2 月 1 日，然后切换到“麦迪逊”）。

我有两个想法来解决这个问题。首先是通过访问数据库，识别区域定义一致的商店并删除所有其他商店，然后将其与我已经拥有的数据连接起来（当我的 IT 人员让我访问 SSMS 中的信息时） . 这相当于从数据中删除任何曾经切换过区域的商店。我在这里看到的问题是，它将删除我想象的大量数据，并且从某些区域中删除的数据将比其他区域更多，因为某些区域比其他区域移动更多（而且我们仍然有3 个完整的区域移除过程）。

我正在考虑的另一件事（不确定它是否合法）是通过并添加一个虚拟变量，如果存在区域变化，则为 1 并将其包含在我的模型中。这并没有解决多个更改，但是如果我在模型中包含该信息，它应该处理其中的一些，是吗？

我想提出一个不涉及破坏我的数据集的解决方案，这就是我现在所倾向于的。可能只是可以忽略存储级别的变化，因为它们有点常见并且不是那么大的变化，但是删除一个区域并移动它似乎太大而无法忽略。谢谢你的建议。

更新：看起来我们的数据团队已经实施了解决方案，请参阅@peter 和我在下面的评论以了解解决方案。