使用R处理高校面板数据：解决生成排名差值变量全为NA的问题

可能的问题原因及修正方案 #

1. 调整排序与分组的执行顺序 #

你的代码逻辑本身没问题，但可能存在排序未正确生效的情况。可以将全局排序放在分组之前，确保每所高校的年份是严格按时间顺序排列的：

mydata <- mydata %>%
  arrange(Name, year) %>%  # 先按高校名称、年份全局排序
  group_by(Name) %>%
  mutate(diff = Rank - lag(Rank, n = 1, default = NA)) %>%  # 显式指定取前1行的数值，默认补NA
  ungroup()  # 按需取消分组

2. 检查数据类型与完整性 #

• 确认year是数值型变量：R是大小写敏感且对数据类型敏感的，如果year是字符型，排序会按字典序而非时间顺序，导致lag无法匹配到正确的上一年数据。可以用class(mydata$year)检查类型，若为字符型则转换：

  mydata$year <- as.numeric(mydata$year)
  

• 排查高校年份的连续性：如果某所高校存在重复年份或年份间隔大于1的情况，lag会无法正确取到上一年的排名值。可以用以下代码快速检查：

  mydata %>%
    group_by(Name) %>%
    summarise(
      年份列表 = list(year),
      存在重复年份 = any(duplicated(year)),
      存在年份间隔 = any(diff(year) != 1)
    )
  

3. 确认变量名拼写准确性 #

检查Rank列的名称是否完全匹配（注意大小写），如果实际列名是小写的rank，那么lag(Rank)会因找不到对应列返回全NA。

验证示例 #

假设你的数据结构如下：

mydata <- tibble(
  Name = rep(c("高校A", "高校B"), each = 3),
  year = rep(2020:2022, 2),
  Rank = c(10, 8, 12, 25, 22, 22)
)

运行修正后的代码会得到符合预期的结果：

内容的提问来源于stack exchange，提问作者Muller I.