如何在R中基于连续6个月负GDP增长识别衰退期？

针对你的需求，我们可以通过分组计算连续负增长时段的方式来标记衰退期，以下提供两种适合大型面板数据的实现方法（dplyr/tidyverse 和 data.table），后者处理大数据效率更高。

核心逻辑 #

1. 按国家分组，确保数据严格按时间排序（这是关键，否则连续时段计算会出错）
2. 标记每个观测是否为负GDP增长
3. 对连续的负增长时段进行分组
4. 判断每个连续负增长分组的长度是否≥6，若是则将该分组内的所有观测标记为crisis=1

方法1：使用dplyr（tidyverse生态） #

假设你的数据框名为df，包含country（国家）、month（时间）、gdp_growth（GDP增长率）三列，先模拟一份样本数据方便测试：

library(tidyverse)
set.seed(123)
df <- tibble(
  country = rep(c("A", "B", "C"), each = 24),
  month = rep(1:24, 3),
  gdp_growth = c(rnorm(10, 0.5, 0.1), rep(-0.2, 7), rnorm(7, 0.5, 0.1),
                 rnorm(24, 0.3, 0.1),
                 rep(-0.1, 5), rnorm(4, 0.4, 0.1), rep(-0.3, 6), rnorm(9, 0.5, 0.1))
)

执行以下代码生成crisis变量：

df_crisis <- df %>%
  arrange(country, month) %>%  # 强制按国家+时间排序
  group_by(country) %>%
  mutate(
    is_negative = gdp_growth < 0,
    # 生成连续负增长的分组ID（rleid来自data.table，需先安装data.table包）
    negative_group = rleid(is_negative),
    # 计算每个连续分组的观测数
    group_length = n(),
    # 标记衰退期：负增长且连续时长≥6个月则为1
    crisis = ifelse(is_negative & group_length >= 6, 1, 0)
  ) %>%
  ungroup()

如果不想依赖data.table的rleid，可以用纯dplyr实现连续分组：

df_crisis <- df %>%
  arrange(country, month) %>%
  group_by(country) %>%
  mutate(
    is_negative = gdp_growth < 0,
    # 当当前行的负增长状态与上一行不同时，分组ID+1
    negative_group = cumsum(is_negative != lag(is_negative, default = !is_negative[1])),
    group_length = n(),
    crisis = ifelse(is_negative & group_length >= 6, 1, 0)
  ) %>%
  ungroup()

方法2：使用data.table（适合超大型数据） #

data.table的分组计算效率远高于dplyr，处理百万级以上面板数据更友好：

library(data.table)
# 将数据框转为data.table格式
setDT(df)
# 按国家和时间排序
setkey(df, country, month)

# 生成负增长标记、连续分组ID
df[, `:=`(
  is_negative = gdp_growth < 0,
  negative_group = rleid(is_negative)
), by = country]

# 计算每个连续分组的长度，标记衰退期
df[, group_length := .N, by = .(country, negative_group)]
df[, crisis := as.integer(is_negative & group_length >= 6)]

验证结果 #

你可以通过以下代码检查标记是否正确：

# 筛选出所有衰退期观测，查看连续时长
df_crisis %>%
  filter(crisis == 1) %>%
  group_by(country, negative_group) %>%
  summarize(start_month = min(month), end_month = max(month), duration = n())

注意事项 #

• 确保你的时间变量（month或日期列）是连续且有序的，若存在缺失值，需先处理（比如补全缺失时段或标记为非负增长）
• 如果时间是日期格式，将排序逻辑改为arrange(country, date)或setkey(df, country, date)

内容的提问来源于stack exchange，提问作者CF96