面板数据中如何基于首次观测值填补社会阶级变量后续缺失值

问题原因 #

你之前使用的first(class)仅提取每个个体第一行的class取值，若个体第一期就是缺失值（你数据中用.表示），后续所有行的插补结果都会是缺失，无法匹配需求。

实现代码 #

library(dplyr)

df_imputed <- df %>%
  group_by(id) %>%
  mutate(
    # 标记非缺失记录
    valid_flag = class != ".",
    # 提取个体首次出现的有效class值
    first_class = first(class[valid_flag], default = "."),
    # 提取首次有效class对应的波次
    first_wave = first(wave[valid_flag], default = Inf),
    # 按规则生成插补结果：首次观测波次及之后用首次值，之前保留缺失
    class_imputed = if_else(wave >= first_wave, first_class, as.character(class))
  ) %>%
  # 移除中间计算用的辅助列，可根据需要保留
  select(-valid_flag, -first_class, -first_wave) %>%
  ungroup()

逻辑说明 #

• 按id分组保证所有计算都在单个个体的时间序列内完成
• 优先定位每个个体第一次出现非缺失class的时间点和对应取值
• 逐行判断当前波次是否在首次有效观测的时间点之后（含当期），符合条件则用首次值填充，否则保留原有缺失
• 若某个体全程无有效class观测，默认返回原缺失值，不会抛出错误

适配说明 #

如果你的数据中缺失值是R标准NA而非自定义的.，只需将valid_flag = class != "."替换为valid_flag = !is.na(class)即可通用。

内容的提问来源于stack exchange，提问作者Jack