首页 文章

dplyr中的时间序列函数

提问于
浏览 次
0

我正在处理在特定年份停止的数据，之后是NA . 我需要根据其他变量的滞后值计算出所有变量 . 我想找到一种计算整个系列的方法，而不是每当一个变量为NA时每年计算一次 . 我正在研究dplyr，因为我正在使用面板数据，因此需要按ID对其进行分组 .

我提供以下示例：

set.seed(1)
df <- data.frame( year = c(seq(2000, 2018), seq(2000, 2018)) , id = c(rep(1, 19),rep(2, 19)), varA = floor(rnorm(38)*100), varB= floor(rnorm(38)*100), varC= floor(rnorm(38)*100))

df <- df %>% mutate(varA = if_else(year>2010, as.double(NA) , varA) , 
                    varB = if_else(year>2010, as.double(NA) , varB),
                    varC = if_else(year>2010, as.double(NA) , varC))  %>% group_by(id) %>% arrange(year)

我想要的是找到一种方法来计算一个变量，该变量在可用时等于变量C，但之后等于基于变量C，B和A的滞后值的公式 . 当执行下面的代码时，varResult考虑到滞后只能使用一年，并计算一年的D：

df <- df %>% mutate( varD = lag(varA)*lag(varB), 
                     varRESULT = if_else(is.na(varC), lag(varC, 1)/lag(varD, 2)*lag(varD, 1), varC))

但我想找到一种方法来计算整个serries（考虑到数据的面板维度），而不是重复7次重复代码 . 最好是一个解决方案，你可以从varResults中单独计算varD，因为在最终的应用程序中我有多个相互链接的变量 .

r dplyr panel-data

1 回答

  • 0

    建议的解决方案：

    从第一个 NA 开始，"recursive" lags 的变量 varA ， varB 和 varC 等于这些变量的最后一个值 .

    因此，从这些初始变量开始，我们可以创建新变量： varA1 ， varB1 和 varC1 ，其中 id 用最后一个值填充 NA ： id ：

    library(dplyr)
library(tidyr) # for the function `fill`

df <- df %>% 
mutate(varA1 = varA, varB1 = varB, varC1 = varC) %>% 
group_by(id) %>%
arrange(year) %>%
fill(varA1, varB1, varC1) # fills with last value

    然后，我们应用公式：

    df <- df %>% 
mutate( varD = lag(varA1)*lag(varB1), 
varRESULT = if_else(is.na(varC), lag(varC1, 1)/lag(varD, 2)*lag(varD, 1), varC)) %>% 
select(-varA1, -varB1, -varC1)
    回复于

相关问题