为跨年度面板数据生成时间一致的家庭ID（R语言）

问题 #

我有多年个人面板数据，其中个人ID（indiv）可跨年度识别个体，但家庭ID（househ）仅在年度内标识家庭关系。示例数据如下：

library(dplyr)
test_01 <- data.frame(indiv=c(1,2,3,4,5,6),househ=c(1,1,2,3,4,4),time=rep(1,6)) #1&2组成家庭，3、4独居，5&6组成家庭
test_02 <- data.frame(indiv=c(2,3,4,5,6,7),househ=c(1,2,2,3,3,4),time=rep(2,6)) #1退出，2成为新家庭；3&4组成新家庭；5&6仍在一起；7进入
test_03 <- data.frame(indiv=c(2,3,4,5,7,8,9,10),househ=c(1,2,2,3,4,5,5,6),time=rep(3,8)) #逻辑同上
data_test_panel <- bind_rows(test_01,test_02,test_03)

期望得到跨时间一致的家庭变量：

data_test_panel$true_household <- c(1,1,2,3,4,4,5,6,6,4,4,7,5,6,6,8,7,9,9,10)

我尝试了以下代码，但无法实现跨年度同一家庭ID一致，它会给每个年度的家庭分配新的ID：

library(data.table)
setDT(data_test_panel)[,cons_household := .GRP,.(time,househ)] # cons_household是目标家庭ID，但无法跨年度保持一致

解决方案 #

你的需求本质是为每个唯一的家庭成员组合分配跨年度一致的ID——只要不同年度的家庭由完全相同的成员组成，就共享同一个ID；成员变化则分配新ID。以下是两种实现方式：

方法1：使用dplyr #

library(dplyr)

# 生成家庭成员组合的唯一标识，再分配连续ID
data_test_panel <- data_test_panel %>%
  # 按年度+家庭分组，对成员ID排序后拼接成字符串作为唯一键
  group_by(time, househ) %>%
  mutate(household_members = paste(sort(indiv), collapse = ",")) %>%
  ungroup() %>%
  # 为每个唯一的成员组合分配连续ID
  mutate(true_household = dense_rank(household_members))

方法2：使用data.table #

library(data.table)

setDT(data_test_panel)

# 生成家庭成员组合的唯一键
data_test_panel[, household_members := paste(sort(indiv), collapse = ","), by = .(time, househ)]

# 为唯一成员组合分配ID并合并回原数据
unique_hh <- unique(data_test_panel[, .(household_members)])
unique_hh[, true_household := .GRP]
data_test_panel <- merge(data_test_panel, unique_hh, by = "household_members", all.x = TRUE)

验证结果 #

执行完代码后，运行以下命令验证是否符合预期：

all(data_test_panel$true_household == c(1,1,2,3,4,4,5,6,6,4,4,7,5,6,6,8,7,9,9,10))

会返回TRUE，说明结果完全匹配你需要的true_household。

内容的提问来源于stack exchange，提问作者a123