如何在R中按国家年份创建标识二分变量首次正向变化的变量

你需要按国家分组，标记每个国家中Dummy变量首次从0变为1的年份为1，其余年份为0。可以用dplyr包轻松实现这个需求，以下是具体代码和解释：

代码实现 #

library(dplyr)

# 读取示例数据
df <- read.table(
  text =
    "Country, Year, Dummy, NewChangeVariable,
US, 1, 1, 0,
US, 2, 0, 0,
US, 3, 1, 1,
US, 4, 1, 0,
UK, 1, 0, 0,
UK, 2, 1, 1, 
UK, 3, 1, 0, 
UK, 4, 1, 0, ", sep = ",", header = TRUE)

# 生成目标变量
df <- df %>%
  arrange(Country, Year) %>%  # 确保数据按国家、年份升序排列
  group_by(Country) %>%       # 按国家分组处理
  mutate(
    # 判断当前年份是否发生从0到1的正向变化（第一年无前置值，结果为NA）
    is_positive_change = Dummy == 1 & lag(Dummy) == 0,
    # 将NA转为FALSE，因为第一年没有变化过程，不算正向变化
    is_positive_change = coalesce(is_positive_change, FALSE),
    # 标记首次正向变化的年份为1，其余为0
    NewChangeVariable_generated = as.integer(cumsum(is_positive_change) == 1 & is_positive_change)
  ) %>%
  ungroup()

# 查看结果
print(df)

代码解释 #

• arrange(Country, Year)：必须先按国家和年份排序，保证滞后值的计算是基于前一年的数据。
• group_by(Country)：每个国家单独计算变化，避免不同国家的数据互相干扰。
• is_positive_change：核心判断逻辑——当前年份Dummy为1，且前一年Dummy为0，才算是正向变化。
• coalesce(is_positive_change, FALSE)：处理第一年没有前置数据的情况，直接判定为非变化。
• cumsum(is_positive_change)：累计每个国家的正向变化次数，只有第一次出现变化时，累计值为1，此时标记为1；后续即使再出现变化，累计值大于1，也会被标记为0，符合“首次变化”的要求。
• as.integer(...)：将逻辑判断结果转为0/1的数值型变量，和目标格式一致。

运行代码后，生成的NewChangeVariable_generated列会和你示例中的NewChangeVariable完全匹配。

内容的提问来源于stack exchange，提问作者Jens