如何在含缺失值的R面板数据框中添加滞后变量？

你的代码失效、生成的Lag_x和x完全相同，核心原因是数据未按Year进行正确排序。dplyr::lag()函数是基于数据当前的行顺序取前一行值，面板数据必须先确保每个ID内的年份按升序排列，才能得到对应上一年的滞后值。

修正后的代码 #

library(dplyr)

# 先按ID和Year排序，再分组生成滞后变量
data <- data %>%
  arrange(ID, Year) %>%  # 关键步骤：保证每个ID内的年份是连续升序的
  group_by(ID) %>%
  mutate(Lag_x = lag(x)) %>%
  ungroup()  # 可选：如果后续不需要分组状态，取消分组

额外排查点 #

1. 检查Year列的数据类型
   用class(data$Year)查看，如果Year是字符型，排序会出错，先转换为数值型：

   data$Year <- as.numeric(data$Year)
   

2. 处理缺失年份的情况
   如果你的实际数据中存在年份缺失（比如某个ID缺少2001年的数据），直接用lag()会取前一行而非上一年的值。这种情况可以先用tidyr::complete()补全年份：

   library(tidyr)
   
   data <- data %>%
     group_by(ID) %>%
     complete(Year = full_seq(Year, 1)) %>%  # 补全连续年份
     ungroup() %>%
     arrange(ID, Year) %>%
     group_by(ID) %>%
     mutate(Lag_x = lag(x)) %>%
     ungroup()
   

测试验证 #

用你提供的示例数据测试：

# 示例原始数据
data <- tibble(
  ID = c(1,1,1,2,2,2),
  Year = c(2000,2001,2002,2000,2001,2002),
  x = c(NA,56,51,45,46,40)
)

运行修正后的代码，会得到你期望的结果：

内容的提问来源于stack exchange，提问作者GoodFish