如何在R中创建滞后1期的sales.T.minus.1变量？

问题描述 #

想要创建变量sales.T.minus.1表示上一年的sales数值，编写的代码如下：

library(plm)
library(dplyr)

data <- pdata.frame(Cigar)
  
data("Cigar")
  
data <- data %>%
  mutate(sales.T.minus.1 = lag(sales, 1))

但代码运行后，sales.T.minus.1与sales数值完全相同，错误结果示例：

预期结果应为：

问题原因 #

1. 代码顺序错误：先执行pdata.frame(Cigar)但此时数据还未加载，后续data("Cigar")重新加载了原始数据，导致之前的面板数据转换无效。
2. 未考虑面板数据的个体分组：Cigar是美国各州的雪茄销售面板数据，每个州的时间序列需要单独计算滞后值。dplyr默认的lag()是全局滞后，不会按州（个体）分组处理，因此无法得到正确的上一年数值。

解决方案 #

方法1：dplyr分组滞后 #

修正代码顺序，先加载数据，再按state分组后计算滞后：

library(plm)
library(dplyr)

# 加载数据并转换为面板数据框
data("Cigar")
data <- pdata.frame(Cigar)

# 按州分组生成滞后变量
data <- data %>%
  group_by(state) %>%
  mutate(sales.T.minus.1 = lag(sales, 1)) %>%
  ungroup()

方法2：plm包专属滞后函数 #

plm包针对面板数据提供了专门的lag()方法，无需手动分组，直接对pdata.frame操作即可：

library(plm)

data("Cigar")
data <- pdata.frame(Cigar)

# 使用plm的lag函数生成个体层面的1期滞后
data$sales.T.minus.1 <- lag(data$sales, 1)

结果验证 #

执行以下代码查看指定州的结果：

data %>% filter(state == "AL", year %in% c(64, 65)) %>% select(year, sales, sales.T.minus.1)

输出将符合预期：

内容的提问来源于stack exchange，提问作者Viktor