在tidyverse中按组计算滚动均值的实现方案

核心思路 #

先按性别、教育水平分组计算原始均值，再针对每个性别组，基于数值窗口±1（即当前教育水平与其他水平差值≤1）的范围计算滚动均值，替换异常值并平滑结果。

完整实现代码 #

# 加载所需工具包
library(haven)
library(tidyverse)
library(zoo)

# 读取数据（请替换为你的本地文件路径或数据来源）
soep <- read_dta("your_data_path.dta")

# 数据处理：计算原始均值 + 滚动均值
soep_processed <- soep %>% 
  # 分组计算原始满意度均值与样本量
  group_by(education, sex) %>% 
  summarise(
    satisf_mean = mean(satisf_org, na.rm = TRUE),
    n = n()
  ) %>% 
  ungroup() %>% 
  # 按性别、教育水平排序，确保分组内数据有序
  arrange(sex, education) %>% 
  group_by(sex) %>% 
  # 计算±1数值窗口的滚动均值
  mutate(
    satisf_roll_mean = rollapplyr(
      data = tibble(edu = education, val = satisf_mean),
      width = n(),
      FUN = function(x) {
        current_edu = x$edu[which(x$edu == education)]
        # 筛选当前教育水平±1范围内的所有值，计算均值
        mean(x$val[abs(x$edu - current_edu) <= 1], na.rm = TRUE)
      },
      by.column = FALSE
    )
  ) %>% 
  ungroup()

# 可视化对比原均值与滚动均值
soep_processed %>% 
  ggplot(aes(x = education, col = as.factor(sex))) +
  geom_point(aes(y = satisf_mean), shape = 1, size = 3) + # 空心点为原均值
  geom_point(aes(y = satisf_roll_mean), size = 3) + # 实心点为滚动均值
  labs(
    title = "原满意度均值 vs ±1数值窗口滚动均值",
    x = "教育水平", 
    y = "满意度均值", 
    color = "性别",
    caption = "空心点=原始均值，实心点=滚动平滑后均值"
  )

关键细节说明 #

• 用rollapplyr自定义窗口逻辑，严格基于数值差筛选，而非滞后/超前的位置邻居，适配你实际研究中年龄（连续数值）的场景
• 保留原始均值用于对比，清晰看到滚动平滑的效果
• 针对你提到的女性教育水平8.5的异常值，该逻辑会自动纳入7、8.5、9三个水平的均值计算，得到平滑后的结果

内容的提问来源于stack exchange，提问作者Marco