如何使用dplyr的lag函数生成多层嵌套分组下的滞后变量

核心逻辑：你需要将*不随波次变化的分组维度（party、inc）*设置为分组变量，wave仅作为组内排序的依据，不要放入分组参数中。

dplyr 实现代码 #

library(dplyr)
df %>% 
  group_by(party, inc) %>% 
  arrange(wave, .by_group = TRUE) %>% 
  mutate(lag = lag(value, n = 1))

如果不需要显式修改原数据排序，也可以直接在lag函数中指定排序字段，写法更简洁：

df %>% 
  group_by(party, inc) %>% 
  mutate(lag = lag(value, order_by = wave))

运行上述代码得到的结果与你给出的预期输出完全一致。

错误原因说明 #

• 按wave分组：分组后每个组内均为同一波次的观测，无法提取上一波次的数值
• 按party+wave分组：分组后每个组内为同一党派同一波次的观测，同样无法跨波次取值
• 按party+wave+inc分组：每个分组仅含1条观测，计算滞后自然全部返回NA

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