如何用R的gtsummary包计算非平衡面板数据的样本汇总统计？

要得到先按PersonID计算个体均值，再跨个体取整体汇总均值的结果，不需要直接在gtsummary前分组，而是先预处理数据生成个体层面的汇总数据集，再用gtsummary处理这个新数据集：

1. 生成个体层面汇总数据集
   用dplyr对原面板数据按PersonID分组，计算每个个体各变量的均值（按需处理缺失值），得到每个个体一行的数据集：

   library(dplyr)
   library(gtsummary)
   
   # 替换your_panel_data为你的实际数据集名
   individual_level_data <- your_panel_data %>%
     group_by(PersonID) %>%
     summarize(
       # 为每个需要汇总的变量计算个体均值
       annual_income = mean(annual_income, na.rm = TRUE),
       age = mean(age, na.rm = TRUE),
       # 其他变量依此类推添加
     ) %>%
     ungroup() # 必须取消分组，避免后续gtsummary按个体拆分结果
   

2. 用gtsummary生成个体均值的整体汇总表
   基于上面的个体层面数据集，调用gtsummary的tbl_summary()，此时计算的就是所有个体均值的汇总统计：

   final_summary_table <- individual_level_data %>%
     tbl_summary(
       include = c(annual_income, age), # 指定要展示的变量
       # 自定义统计量格式，按需调整
       statistic = list(all_continuous() ~ "{mean} ({sd})")
     ) %>%
     # 可选：调整表头和表标题
     modify_header(label ~ "变量名称") %>%
     modify_caption("2003-2021年工人个体层面变量均值汇总")
   

关键说明 #

• 原面板数据中每个个体有多条时间维度记录，gtsummary默认对所有行计算均值，会偏离个体层面的真实平均水平；
• 先通过group_by()+summarize()得到个体均值数据集后，gtsummary的统计结果就是你需要的「个体均值的整体平均」，比如年收入会得到$51,125而非$51,725。

内容的提问来源于stack exchange，提问作者Anna