如何为含月年数据的TWFE回归添加领先项与滞后项？

核心思路 #

要实现按ISIC分组、基于年月维度的领先/滞后项生成，核心是确保时间匹配的准确性：要么将年月转换为连续时间序列后用偏移函数，要么直接计算目标年月并通过匹配获取对应值。以下提供两种实用方法：

方法1：利用时间序列偏移函数（lead/lag） #

适合时间序列连续的面板数据，按ISIC分组后，用dplyr的lead()（领先）和lag()（滞后）函数直接按排序后的时间偏移指定月份数。

代码示例 #

# 加载所需包
library(dplyr)
library(lubridate)

# 原数据
N = 10
ISIC <- c(111, 112, 113, 114, 115, 111, 112, 113, 114, 115)
n_workers <- rnorm(N)
year_month <- c(201801, 201801, 201802, 201801, 201802, 201901, 201902, 201901, 201902, 201903)
year <- c(2018, 2018, 2018, 2018, 2018, 2019, 2019, 2019, 2019, 2019)
month <- c(1, 1, 2, 1, 2, 1, 2, 1, 2, 3) # 修正原数据中01转数值为1的问题

df <- data.frame(ISIC, n_workers, year_month, year, month)

# 预处理：转换为日期格式并按ISIC+时间排序
df <- df %>%
  mutate(date = ym(year_month)) %>%
  arrange(ISIC, date)

# 生成领先/滞后项
df <- df %>%
  group_by(ISIC) %>%
  mutate(
    n_workers_lag1 = lag(n_workers, n = 1),    # 滞后1个月
    n_workers_lag12 = lag(n_workers, n = 12),  # 滞后1年（12个月）
    n_workers_lead1 = lead(n_workers, n = 1),  # 领先1个月
    n_workers_lead12 = lead(n_workers, n = 12) # 领先1年（12个月）
  ) %>%
  ungroup()

# 查看结果
print(df)

方法2：通过年月匹配生成（适合时间序列不连续的情况） #

如果面板数据存在时间缺失（比如部分ISIC某年月没有观测），直接用lead/lag会导致偏移错误，此时可以计算目标年月后通过左连接匹配，确保获取的是严格同月份的跨年度值（如201801的1年领先项为201901的值）。

代码示例 #

# 加载所需包
library(dplyr)

# 原数据（同方法1）
N = 10
ISIC <- c(111, 112, 113, 114, 115, 111, 112, 113, 114, 115)
n_workers <- rnorm(N)
year_month <- c(201801, 201801, 201802, 201801, 201802, 201901, 201902, 201901, 201902, 201903)
year <- c(2018, 2018, 2018, 2018, 2018, 2019, 2019, 2019, 2019, 2019)
month <- c(1, 1, 2, 1, 2, 1, 2, 1, 2, 3)

df <- data.frame(ISIC, n_workers, year_month, year, month)

# 统一格式：生成标准的YYYYMM数值型年月
df <- df %>%
  mutate(year_month_num = as.numeric(sprintf("%d%02d", year, month)))

# 生成1年领先项：计算目标年月（当前年月+12个月）并匹配
df_lead12 <- df %>%
  mutate(
    target_year_month = case_when(
      month == 12 ~ (year + 1)*100 + 1,
      TRUE ~ year*100 + month + 12
    )
  ) %>%
  select(ISIC, target_year_month, n_workers_lead12 = n_workers)

# 左连接回原数据
df <- df %>%
  left_join(df_lead12, by = c("ISIC", "year_month_num" = "target_year_month"))

# 生成1年滞后项：计算目标年月（当前年月-12个月）并匹配
df_lag12 <- df %>%
  mutate(
    target_year_month = case_when(
      month == 1 ~ (year - 1)*100 + 12,
      TRUE ~ year*100 + month - 12
    )
  ) %>%
  select(ISIC, target_year_month, n_workers_lag12 = n_workers)

# 左连接回原数据
df <- df %>%
  left_join(df_lag12, by = c("ISIC", "year_month_num" = "target_year_month"))

# 查看结果
print(df)

注意事项 #

• 如果需要生成其他时间跨度的领先/滞后项，只需调整lead/lag的n参数，或修改target_year_month的计算逻辑即可。
• 若数据中存在重复的ISIC+year_month组合，需先去重或明确取数规则（如均值、总和），避免匹配时出现多对多的问题。

内容的提问来源于stack exchange，提问作者anrisakaki96