R语言如何从Income_Democracy.dta筛选平均dem_ind>0.95的国家名称

首先确认你已经将Income_Democracy.dta导入为incdem数据框，如果还未导入，可以使用haven包读取Stata格式的dta文件：

# 未安装haven包先执行下行注释代码
# install.packages("haven")
library(haven)
incdem <- read_dta("Income_Democracy.dta")

以下提供两种常用实现方案：

方案1：基础R实现（适配你已掌握的subset、mean函数逻辑） #

用基础R自带的aggregate()函数完成分组聚合，无需安装额外依赖包：

# 按国家分组，计算每个国家dem_ind的平均值，na.rm=TRUE可自动忽略缺失值
country_dem_mean <- aggregate(dem_ind ~ country, data = incdem, FUN = function(x) mean(x, na.rm = TRUE))
# 筛选平均dem_ind大于0.95的国家，生成结果数据集
result <- subset(country_dem_mean, dem_ind > 0.95)

执行后result就是符合要求的新数据集，第一列为国家名称，第二列为对应平均dem_ind值。如果只需提取符合条件的国家名向量，追加一行代码即可：

qualified_countries <- result$country

方案2：tidyverse实现（语法更直观，适合后续复杂分析扩展） #

如果你使用tidyverse生态的工具，用dplyr的分组汇总逻辑可读性更强：

# 未安装tidyverse包先执行下行注释代码
# install.packages("tidyverse")
library(dplyr)

result <- incdem %>%
  group_by(country) %>% # 按国家维度分组
  summarise(mean_dem_ind = mean(dem_ind, na.rm = TRUE)) %>% # 计算每组的平均dem_ind
  filter(mean_dem_ind > 0.95) # 筛选符合阈值的国家

内容的提问来源于stack exchange，提问作者user17237061