我想生成以下内生滞后（Y）变量
set Y=1 in the current routine year, if submission==1 and routineyear==1 in the previous routine year
set Y=2 in the current routine year, if sub==0 and routineyear==1 in the previous routine year
Otherwise=0
注意那个＆＃34;以前的常规年份＆＃34;不是前一年，例行年份之间的间隔不同。这实际上是让我很难生成这个变量的原因。
基本上，我想生成一个内生变量，用于捕获状态在最后routineyear的行为。
说明我想做的事情：
假设A国的常规年份为 1990 - 同一年submission变量也为=1。这将生成Y=1。
现在，国家/地区的下一个routineyear位于 1992 ，即该年的submission=1和routineyear=1。内在滞后应表明A的先前行为，如 1990 （Y=1）。
然后，下一个routineyear位于 1996 ，其中submission=0为routineyear=1。在这种情况下，内生滞后将是A 1992 （Y=1）中之前行为的值。
然后，下一个routineyear位于 1998 ，where submission=1和routineyear=1。此处的内生滞后应表明A在 1996 中的最后一个routineyear中的先前行为。那是：Y=2！
内源滞后应该是这样的（基于上面的例子）
country year submission routineyear Y(endo lag)
A 1990 1 1 1
A 1991 0 0 0
A 1992 1 1 1
A 1993 1 0 0
A 1994 0 0 0
A 1995 0 0 0
A 1996 0 1 1
A 1997 0 0 0
A 1998 1 1 2
A 1999 0 0 0
A 2000 0 0 0
A 2001 0 1 1
A 2002 0 0 0
A 2003 1 1 2
我一直试图使用不同的逻辑来做到这一点，但没有成功。其中一个最大的问题是每个国家的常规年份不同，间隔时间不稳定。
我相信能够在R中编写正确的代码/功能的人能够解决这个难题。如果没有，我将感谢所有建议如何从这里开始。
来自我的真实数据的样本：
结构（列表（ccode = c（31L，31L，31L，31L，31L，31L，31L，31L，31L， 31L，31L，31L，31L，31L，31L，31L，31L，31L，31L，31L，31L，31L，40L， 40L，40L，40L，40L，40L，40L，40L，40L，40L，40L，40L，40L，40L，40L， 40L，40L，40L，40L，40L，40L，40L，41L，41L，41L，41L，41L，41L，41L， 41L，41L，41L，41L，41L，41L，41L，41L，41L，41L，41L，41L，41L，41L， 41L，42L，42L，42L，42L，42L，42L，42L，42L，42L，42L，42L，42L，42L， 42L，42L，42L，42L，42L，42L，42L，42L，42L，51L，51L，51L，51L，51L， 51L，51L，51L，51L，51L，51L，51L，51L，51L，51L，51L，51L，51L，51L， 51L，51L，51L，51L，52L，52L，52L，52L，52L，52L，52L，52L，52L，52L， 52L，52L，52L，52L，52L，52L，52L，52L，52L，52L，52L，52L，53L，53L， 53L，53L，53L，53L，53L，53L，53L，53L，53L，53L，53L，53L，53L，53L， 53L，53L，53L，53L，53L，53L，54L，54L，54L，54L，54L，54L，54L，54L， 54L，54L，54L，54L，54L，54L，54L，54L，54L，54L，54L，54L，54L，54L， 70L，70L，70L，70L，70L，70L，70L，70L，70L，70L，70L，70L，70L，70L， 70L，70L，70L，70L，70L，70L，70L，70L，80L，80L，80L，80L，80L，80L， 80L，80L，80L，80L，80L，80L，80L，80L，80L，80L，80L，80L，80L，80L， 80L，80L，90L，90L，90L，90L，90L，90L，90L，90L，90L，90L，90L，90L， 90L，90L，90L，90L，90L，90L，90L，90L，90L，90L），年份= c（1990L， 1991L，1992L，1993L，1994L，1995L，1996L，1997L，1998L，1999L，2000L， 2001L，2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L，2010L， 2011L，1990L，1991L，1992L，1993L，1994L，1995L，1996L，1997L，1998L， 1999L，2000L，2001L，2002L，2003L，2004L，2005L，2006L，2007L，2008L， 2009L，2010L，2011L，1990L，1991L，1992L，1993L，1994L，1995L，1996L， 1997L，1998L，1999L，2000L，2001L，2002L，2003L，2004L，2005L，2006L， 2007L，2008L，2009L，2010L，2011L，1990L，1991L，1992L，1993L，1994L， 1995L，1996L，1997L，1998L，1999L，2000L，2001L，2002L，2003L，2004L， 2005L，2006L，2007L，2008L，2009L，2010L，2011L，1990L，1991L，1992L， 1993L，1994L，1995L，1996L，1997L，1998L，1999L，1999L，2000L，2001L， 2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L，2010L，2011L， 1990L，1991L，1992L，1993L，1994L，1995L，1996L，1997L，1998L，1999L， 2000L，2001L，2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L， 2010L，2011L，1990L，1991L，1992L，1993L，1994L，1995L，1996L，1997L， 1998L，1999L，2000L，2001L，2002L，2003L，2004L，2005L，2006L，2007L， 2008L，2009L，2010L，2011L，1990L，1991L，1992L，1993L，1994L，1995L， 1996L，1997L，1998L，1999L，2000L，2001L，2002L，2003L，2004L，2005L， 2006L，2007L，2008L，2009L，2010L，2011L，1990L，1991L，1992L，1993L， 1994L，1995L，1996L，1997L，1998L，1999L，2000L，2001L，2002L，2003L， 2004L，2005L，2006L，2007L，2008L，2009L，2010L，2011L，1990L，1991L， 1992L，1993L，1994L，1995L，1996L，1997L，1998L，1999L，2000L，2001L， 2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L，2010L，2011L， 1990L，1991L，1992L，1993L，1994L，1995L，1996L，1997L，1998L，1999L， 2000L，2001L，2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L， 2010L，2011L），country = structure（c（1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，4L，4L，4L， 4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L， 4L，4L，8L，8L，8L，8L，8L，8L，8L，8L，8L，8L，8L，8L，8L，8L，8L， 8L，8L，8L，8L，8L，8L，8L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L， 6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，6L，9L，9L，9L，9L，9L， 9L，9L，9L，9L，9L，9L，9L，9L，9L，9L，9L，9L，9L，9L，9L，9L，9L， 9L，11L，11L，11L，11L，11L，11L，11L，11L，11L，11L，11L，11L，11L， 11L，11L，11L，11L，11L，11L，11L，11L，11L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，5L， 5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L， 5L，5L，5L，5L，10L，10L，10L，10L，10L，10L，10L，10L，10L，10L， 10L，10L，10L，10L，10L，10L，10L，10L，10L，10L，10L，10L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，7L，7L，7L，7L，7L，7L，7L，7L，7L，7L，7L，7L，7L，7L， 7L，7L，7L，7L，7L，7L，7L，7L），。标签= c（＆＃34;巴哈马＆＃34;，＆＃34;巴巴多斯＆＃34;， ＆＃34; Belize＆＃34;，＆＃34; Cuba＆＃34;，＆＃34; Dominica＆＃34;，＆＃34; Dominican Republic＆＃34;，＆＃34; Guatemala＆＃34;， ＆＃34; Haiti＆＃34;，＆＃34; Jamaica＆＃34;，＆＃34; Mexico＆＃34;，＆＃34; Trinidad and Tobago＆＃34;），class = ＆＃34;因子＆＃34）， submission = c（1L，0L，0L，0L，0L，1L，0L，1L，0L，1L，0L， 1L，0L，1L，0L，1L，0L，0L，0L，1L，0L，1L，1L，0L，1L，0L， 1L，0L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，0L， 1L，0L，1L，1L，0L，0L，1L，0L，0L，0L，1L，0L，0L，1L，0L， 0L，0L，0L，0L，1L，0L，1L，1L，0L，0L，0L，0L，1L，0L，0L， 0L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，1L，1L，0L，1L， 0L，0L，1L，0L，1L，0L，0L，0L，0L，0L，1L，1L，1L，0L，0L， 1L，1L，0L，1L，0L，1L，0L，1L，0L，0L，1L，0L，0L，0L，1L， 0L，0L，1L，0L，1L，0L，1L，0L，0L，0L，1L，0L，1L，1L，0L， 1L，0L，1L，0L，0L，1L，0L，1L，0L，0L，1L，1L，0L，0L，1L， 0L，0L，0L，1L，0L，0L，1L，0L，0L，1L，0L，0L，0L，0L，0L， 1L，1L，0L，0L，1L，1L，0L，1L，0L，0L，1L，0L，1L，0L，0L， 0L，1L，0L，1L，0L，1L，0L，0L，1L，0L，1L，0L，1L，0L，1L， 1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，0L，0L，0L，0L，0L， 1L，0L，0L，1L，0L，0L，1L，0L，0L，1L，0L，1L，0L，1L，1L， 0L，0L，1L，0L，0L，0L，1L，1L，0L，1L，1L，0L，1L，1L，0L， 1L，0L，1L，0L，1L，0L，0L），routineyear = c（1L，0L，0L， 1L，0L，0L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L， 0L，0L，0L，1L，0L，0L，1L，0L，1L，0L，0L，1L，0L，1L，0L， 1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，0L，1L，0L， 0L，0L，0L，0L，0L，1L，0L，0L，0L，0L，0L，0L，0L，0L，0L， 0L，0L，1L，0L，0L，1L，0L，0L，0L，0L，1L，0L，1L，0L，1L， 0L，1L，0L，1L，0L，0L，0L，1L，0L，0L，1L，0L，1L，0L，1L， 0L，0L，1L，0L，0L，0L，0L，1L，0L，0L，0L，1L，0L，1L，0L， 0L，0L，1L，0L，0L，1L，0L，0L，0L，0L，1L，0L，1L，0L，1L， 0L，1L，0L，0L，0L，0L，0L，0L，1L，0L，1L，0L，1L，0L，0L， 0L，0L，1L，0L，0L，0L，1L，0L，0L，0L，0L，0L，0L，0L，0L， 0L，1L，0L，0L，1L，0L，0L，0L，0L，0L，0L，1L，0L，0L，0L， 1L，0L，1L，0L，0L，0L，0L，0L，1L，0L，0L，1L，0L，1L，0L， 0L，1L，0L，1L，0L，1L，0L，1L，0L，0L，1L，0L，1L，0L，1L， 0L，1L，0L，0L，0L，1L，0L，0L，1L，0L，1L，0L，0L，0L，0L， 0L，1L，0L，0L，1L，0L，0L，0L，0L，0L，1L，0L，1L，0L，0L， 0L，0L，1L，0L，0L，0L，0L，0L，1L，0L，1L，0L，1L，0L，0L ）），。姓名= c（＆＃34; ccode＆＃34;，＆＃34;年＆＃34;，＆＃34;国家/＃34;，＆＃34;提交＆＃34;，＆＃34;例行年＆＃ 34;），class =＆＃34; data.frame＆＃34;，row.names = c（NA，-243L））
答案 0 :(得分：2)
使用data.table：
library(data.table)
setDT(DF)
DF[, Y := 0
][routineyear == 1
, Y := 1 + (shift(submission, fill = 1) == 0)
, by = country][]
给出（显示前15行）：
> DF ccode year country submission routineyear Y 1: 31 1990 Bahamas 1 1 1 2: 31 1991 Bahamas 0 0 0 3: 31 1992 Bahamas 0 0 0 4: 31 1993 Bahamas 0 1 1 5: 31 1994 Bahamas 0 0 0 6: 31 1995 Bahamas 1 0 0 7: 31 1996 Bahamas 0 0 0 8: 31 1997 Bahamas 1 1 2 9: 31 1998 Bahamas 0 0 0 10: 31 1999 Bahamas 1 1 1 11: 31 2000 Bahamas 0 0 0 12: 31 2001 Bahamas 1 1 1 13: 31 2002 Bahamas 0 0 0 14: 31 2003 Bahamas 1 1 1 15: 31 2004 Bahamas 0 0 0 ........
这是做什么的：
setDT(DF)将您的数据框转换为data.table Y := 0首先通过引用将Y设置为0 routineyear == 1 Y，以便Y设置为1，前一次提交为1，而2上次提交时为0 models.User:
id = pk
username = text
models.Offer
id = pk
description = text
publicationDate = Date
user = Fk(User)
my serializer is:
class UserOfferSerializer(ModelSerializer):
offers = OfferSerializerAll(many=True, read_only=True)
class Meta:
model = User
fields = ('id', 'username', 'offers')
} 答案 1 :(得分：1)
library(dplyr)
select(dat2, -Y) %>%
filter(routineyear == 1L) %>%
group_by(country) %>%
mutate(Y = 2L - lag(submission, default = 1L)) %>%
ungroup() %>%
right_join(select(dat2, -Y)) %>%
mutate(Y = replace(Y, is.na(Y), 0L))
# # A tibble: 14 x 5
# country year submission routineyear Y
# <fct> <int> <int> <int> <int>
# 1 A 1990 1 1 1
# 2 A 1991 0 0 0
# 3 A 1992 1 1 1
# 4 A 1993 1 0 0
# 5 A 1994 0 0 0
# 6 A 1995 0 0 0
# 7 A 1996 0 1 1
# 8 A 1997 0 0 0
# 9 A 1998 1 1 2
# 10 A 1999 0 0 0
# 11 A 2000 0 0 0
# 12 A 2001 0 1 1
# 13 A 2002 0 0 0
# 14 A 2003 1 1 2
all.equal(.Last.value, dat2)
# [1] TRUE
其中dat2是：
dat2 <- read.table(text =
"country year submission routineyear Y
A 1990 1 1 1
A 1991 0 0 0
A 1992 1 1 1
A 1993 1 0 0
A 1994 0 0 0
A 1995 0 0 0
A 1996 0 1 1
A 1997 0 0 0
A 1998 1 1 2
A 1999 0 0 0
A 2000 0 0 0
A 2001 0 1 1
A 2002 0 0 0
A 2003 1 1 2
", header = TRUE)