基于起止日期生成月度虚拟变量（R/Stata实现）

需求说明 #

给定记录客户与银行关系起止日期的数据集，需完成以下操作：

• 生成2016年7月至2019年12月期间的30个月度虚拟变量
• 变量命名格式为YYYYMM（如201607、201608）
• 客户关系存续对应月份时，变量值为1，否则为0
• 若end month和end year均为0，视为关系持续至研究期末（2019年12月）

R语言实现 #

1. 加载数据集

df <- structure(list(id = c(1, 1, 2, 2, 2, 2, 3, 4, 4, 4, 4, 5), 
                     `start month` = c(1, 4, 5, 8, 12, 11, 10, 3, 5, 6, 2, 1), 
                     `start year` = c(1999, 2018, 2017, 2019, 1980, 2019, 2016, 2020, 2022, 2019, 2015, 2016), 
                     `end month` = c(4, 2, 0, 12, 0, 12, 5, 0, 0, 11, 5, 9), 
                     `end year` = c(2020, 2019, 0, 2022, 0, 2019, 2017, 0, 0, 2020, 2019, 2017)), 
                class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, -12L))

2. 生成虚拟变量代码

library(dplyr)
library(lubridate)

# 生成研究期的月度序列及变量名
study_months <- seq(ymd("2016-07-01"), ymd("2019-12-01"), by = "month")
month_names <- format(study_months, "%Y%m")

# 处理起止日期：替换0值为研究期末
df_processed <- df %>%
  mutate(
    start_date = ymd(paste(`start year`, `start month`, "01", sep = "-")),
    end_date = case_when(
      `end month` == 0 & `end year` == 0 ~ ymd("2019-12-01"),
      TRUE ~ ymd(paste(`end year`, `end month`, "01", sep = "-"))
    )
  )

# 循环生成每个月度的虚拟变量
for (mn in month_names) {
  current_month <- ymd(paste0(mn, "01"))
  df_processed <- df_processed %>%
    mutate(!!mn := as.integer(start_date <= current_month & end_date >= current_month))
}

# 保留原始列和虚拟变量，移除中间日期列
final_df <- df_processed %>% select(-start_date, -end_date)

代码说明

• 用lubridate包将年月转换为标准日期格式，简化区间比较逻辑
• 用case_when统一处理终止日期为0的特殊情况，替换为研究期末日期
• 循环遍历研究期每个月份，判断该月份是否落在客户关系存续区间内，生成对应虚拟变量

Stata实现 #

1. 加载数据集

* Example generated by -dataex-. To install: ssc install dataex
clear
input byte(id startmonth) int startyear byte endmonth int endyear
1  1 1999  4 2020
1  4 2018  2 2019
2  5 2017  0    0
2  8 2019 12 2022
2 12 1980  0    0
2 11 2019 12 2019
3 10 2016  5 2017
4  3 2020  0    0
4  5 2022  0    0
4  6 2019 11 2020
4  2 2015  5 2019
5  1 2016  9 2017
end

2. 生成虚拟变量代码

* 定义研究期起止年月
local start_year 2016
local start_month 7
local end_year 2019
local end_month 12

* 将起止年月转换为Stata月度日期格式（%tm）
gen start_date = ym(startyear, startmonth)
gen end_date = cond(endmonth == 0 & endyear == 0, ym(`end_year', `end_month'), ym(endyear, endmonth))

* 循环生成研究期所有月度虚拟变量
local current_year = `start_year'
local current_month = `start_month'

while `current_year' < `end_year' | (`current_year' == `end_year' & `current_month' <= `end_month') {
    * 生成变量名（YYYYMM格式）
    local var_name = string(`current_year') + string(`current_month', "%02.0f")
    * 转换当前年月为%tm格式
    local current_tm = ym(`current_year', `current_month')
    * 判断关系是否存续，生成虚拟变量
    gen `var_name' = (start_date <= `current_tm' & end_date >= `current_tm')
    * 推进到下一个月
    if `current_month' == 12 {
        local current_year = `current_year' + 1
        local current_month = 1
    }
    else {
        local current_month = `current_month' + 1
    }
}

* 移除中间日期列
drop start_date end_date

代码说明

• 用ym()函数将年月转换为Stata专用的月度日期格式，便于数值化比较
• 用cond()函数处理终止日期为0的特殊情况，统一替换为研究期末的月度日期
• 通过循环遍历研究期每个月份，生成符合命名规则的虚拟变量，核心逻辑为判断当前月份是否在客户关系存续区间内

内容的提问来源于stack exchange，提问作者R novice