R语言：基于Panel Data创建Event Time变量的技术问询

原始数据 #

d <- data.frame(id = c("a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "c", "c", "c", "c", "c"),
                time = c(1, 2, 3, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 4, 5),
                iz = c(0,1, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1))

数据预览：

id time iz
1   a    1  0
2   a    2  1
3   a    3  1
4   a    4  0
5   a    5  0
6   b    1  0
7   b    2  0
8   b    3  0
9   b    4  0
10  b    5  1
11  c    1  0
12  c    2  0
13  c    3  0
14  c    4  1
15  c    5  1

需求 #

创建nvar列作为首次事件（iz=1）的时间指示器：

• 首次事件发生的时间点标记为0
• 事件发生前的时间点，按距离首次事件的间隔取负数
• 事件发生后的时间点，按距离首次事件的间隔取正数

解决方案 #

方法1：使用dplyr（代码可读性高） #

先加载dplyr包，按id分组计算：

library(dplyr)

d <- d %>%
  group_by(id) %>%
  # 提取每个分组的首次事件发生时间
  mutate(first_event_time = min(time[iz == 1])) %>%
  # 计算当前时间与首次事件时间的差值
  mutate(nvar = time - first_event_time) %>%
  select(-first_event_time) %>%
  ungroup()

方法2：使用Base R（无需额外包） #

通过tapply获取每个id的首次事件时间，再匹配计算差值：

# 获取每个id的首次事件发生时间
first_event <- tapply(d$time[d$iz == 1], d$id[d$iz == 1], min)
# 计算nvar
d$nvar <- d$time - first_event[d$id]

输出结果 #

运行上述代码后，得到的结果与期望一致：

id time iz nvar
1   a    1  0   -1
2   a    2  1    0
3   a    3  1    1
4   a    4  0    2
5   a    5  0    3
6   b    1  0   -4
7   b    2  0   -3
8   b    3  0   -2
9   b    4  0   -1
10  b    5  1    0
11  c    1  0   -3
12  c    2  0   -2
13  c    3  0   -1
14  c    4  1    0
15  c    5  1    1

内容的提问来源于stack exchange，提问作者Alex