优先按Damage-to-GDP指标基于75th percentile构造自然灾害虚拟变量的R实现咨询

核心实现逻辑 #

完全匹配给定赋值规则：

• 优先使用Damage_to_GDP指标判断：指标值严格高于该指标非缺失样本的75分位时，虚拟变量取1
• 当Damage_to_GDP为缺失值时，切换到Affected_people_to_total指标判断：指标值严格高于该指标非缺失样本的75分位时，虚拟变量取1
• 不满足上述触发条件的样本，虚拟变量统一取0

注意：计算分位数时必须加入na.rm = TRUE参数排除缺失值，否则会因缺失值干扰得到无效分位阈值

具体实现代码 #

第一步：计算两个指标的75分位阈值 #

# 计算Damage-to-GDP的75%分位阈值
damage_q75 <- quantile(data$Damage_to_GDP, 0.75, na.rm = TRUE)
# 计算受灾人口占总人数比例的75%分位阈值
affected_q75 <- quantile(data$Affected_people_to_total, 0.75, na.rm = TRUE)

第二步：逐行赋值生成虚拟变量 #

提供两种常用实现方式，按需选择即可：

方式1：tidyverse语法（逻辑可读性更强）

# 若未安装dplyr，先执行 install.packages("dplyr")
library(dplyr)

data <- data %>%
  mutate(
    disaster_dummy = case_when(
      # Damage数据非缺失时的判断规则
      !is.na(Damage_to_GDP) & Damage_to_GDP > damage_q75 ~ 1,
      !is.na(Damage_to_GDP) & Damage_to_GDP <= damage_q75 ~ 0,
      # Damage数据缺失时切换受灾人口指标判断
      is.na(Damage_to_GDP) & Affected_people_to_total > affected_q75 ~ 1,
      is.na(Damage_to_GDP) & Affected_people_to_total <= affected_q75 ~ 0
    )
  )

方式2：基础R语法（无需依赖额外包）

data$disaster_dummy <- ifelse(
  # 判断分支：Damage非缺失走第一套规则
  test = !is.na(data$Damage_to_GDP),
  yes = as.integer(data$Damage_to_GDP > damage_q75),
  # Damage缺失走第二套规则
  no = as.integer(data$Affected_people_to_total > affected_q75)
)

结果验证与特殊情况提示 #

示例数据运行效果 #

用给定的示例数据集执行上述代码后，输出结果为：

• Tonga行：Damage值0.0102 < 计算得到的Damage类75分位阈值0.3852，虚拟变量取0
• Samao行：Damage值0.5102 > 对应阈值，虚拟变量取1
• Vanuatu行：Damage值为缺失，其受灾人口值刚好等于该指标的75分位阈值，不满足“严格高于”的触发规则，虚拟变量取0

注意事项 #

若样本同时存在Damage_to_GDP和Affected_people_to_total双缺失的情况，代码输出的虚拟变量会为NA，建议在赋值前先统计这类样本的占比，根据研究需求决定是剔除还是补充默认赋值。

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