Question

我想在一个组中创建一个包含上一年变量值的变量。

     id   date        value
1     1   1992          4.1  
2     1     NA          4.5  
3     1   1991          3.3  
4     1   1990          5.3  
5     1   1994          3.0  
6     2   1992          3.2  
7     2   1991          5.2

当组中缺少前一年时，

value_lagged应该丢失 - 或者因为它是组内的第一个日期（如第4,7行），或者因为数据中存在年份缺口（如第5行）。此外，当缺少当前时间时，value_lagged应该丢失（如第2行）。

这给出了：

     id   date    value    value_lagged  
1     1   1992      4.1             3.3
2     1     NA      4.5              NA
3     1   1991      3.3             5.3
4     1   1990      5.3              NA
5     1   1994      3.0              NA
6     2   1992      3.2             5.2
7     2   1991      5.2              NA

目前，在R中，我使用data.table包

 DT = data.table(id    = c(1,1,1,1,1,2,2),
                 date  = c(1992,NA,1991,1990,1994,1992,1991),
                 value = c(4.1,4.5,3.3,5.3,3.0,3.2,5.2)
                )
 setkey(DT, id, date)
 DT[, value_lagged := DT[J(id, date-1), value], ]
 DT[is.na(date), value_lagged := NA, ]

它很快但似乎有点容易出错。我想知道使用data.table，dplyr或任何其他软件包是否有更好的替代方案。非常感谢！

在Stata中，人们可以这样做：

    tsset id date
    gen value_lagged=L.value

Answer 1

我可能会使用连接解决这个问题：

library(dplyr)

df <- data.frame(
  id = c(1, 1, 1, 1, 1, 2, 2), 
  date = c(1992, NA, 1991, 1990, 1994, 1992, 1991), 
  value = c(4.1, 4.5, 3.3, 5.3, 3.0, 3.2, 5.2)
)


last_year <- df %>% 
  filter(!is.na(date)) %>%
  mutate(date = date + 1, lagged_value = value, value = NULL)

df %>%
  left_join(last_year)
#> Joining by: c("id", "date")
#>   id date value lagged_value
#> 1  1 1992   4.1          3.3
#> 2  1   NA   4.5           NA
#> 3  1 1991   3.3          5.3
#> 4  1 1990   5.3           NA
#> 5  1 1994   3.0           NA
#> 6  2 1992   3.2          5.2
#> 7  2 1991   5.2           NA

Answer 2

在tlag

定义的群组中使用功能id
library(dplyr) tlag <- function(x, n = 1L, time) { index <- match(time - n, time, incomparables = NA) x[index] } df %>% group_by(id) %>% mutate(value_lagged = tlag(value, 1, time = date))

Answer 3

使用1.9.5，其中连接不需要设置键，可以按如下方式完成：

require(data.table) # v1.9.5+
DT[!is.na(date), value_lagged := 
         .SD[.(id = id, date = date - 1), value, on = c("id", "date")]]
#    id date value value_lagged
# 1:  1 1992   4.1          3.3
# 2:  1   NA   4.5           NA
# 3:  1 1991   3.3          5.3
# 4:  1 1990   5.3           NA
# 5:  1 1994   3.0           NA
# 6:  2 1992   3.2          5.2
# 7:  2 1991   5.2           NA

这是你想法的变体。诀窍是直接在is.na()中使用i并在.SD中使用j而不是DT。我使用了on=语法，但同样的想法当然可以通过设置键来完成。

Answer 4

collapse 包现在提供了一种优雅而快速的通用解决方案，用于计算不规则时间序列和不平衡面板，其中包含函数 flag、fdiff 和 fgrowth。查看滞后不平衡面板 here 的一般答案。

现在在您的特定应用程序中，还有一个罕见的事实，即面板不仅不平衡，而且您的时间变量中还有一个缺失值，这意味着您不知道观察记录的时间段。在这种情况下，仅应用 collapse::flag 是行不通的，但您可以生成一个新的 id 变量，将缺失值与 collapse::seqid 放在一个单独的组中。所以我的解决方案是：

library(collapse)  
DF = data.frame(id    = c(1,1,1,1,1,2,2),
                date  = c(1992,NA,1991,1990,1994,1992,1991),
                value = c(4.1,4.5,3.3,5.3,3.0,3.2,5.2))

settransform(DF, l_value = flag(value, 1, g = seqid(date, order(id, date)), t = date))
DF
#>   id date value l_value
#> 1  1 1992   4.1     3.3
#> 2  1   NA   4.5      NA
#> 3  1 1991   3.3     5.3
#> 4  1 1990   5.3      NA
#> 5  1 1994   3.0      NA
#> 6  2 1992   3.2     5.2
#> 7  2 1991   5.2      NA

^{由 reprex package (v0.3.0) 于 2021 年 7 月 10 日创建}

我非常有信心这仍然比 data.table 快，但我还没有测试过。同样，这个数据相当奇怪，对于大多数面板不平衡但记录都由 id 和时间标识的情况，简单的 flag(value, 1, id, as.integer(date)) 会很好并且很快。请注意，您可以通过确保时间变量为整数来提高效率，因为 flag 将强制非整数时间变量进行因子分解，这也可以消除不规则性。

在R中的不平衡面板数据中创建滞后变量

4 个答案: