R中按ID分组的重复测量数据如何生成前一观测的滞后变量？

核心需求是按个体ID分组，沿时间观测顺序取上一行的血红蛋白值作为滞后变量，全程兼容NA值的传递，不自动跳过缺失值，以下是两种可直接复用的实现方法：

方法1：使用dplyr实现（简洁高效，适配常见分析流程） #

利用dplyr内置的分组滞后函数，逻辑清晰，和后续的建模、数据清洗流程无缝衔接：

# 加载依赖包
library(dplyr)

# 按id分组计算滞后值
data_processed <- data %>%
  group_by(id) %>%
  mutate(
    # 组内取上1行的hb_this_cycle值，无前置观测时自动填充NA
    hb_last_cycle = lag(hb_this_cycle, n = 1, default = NA)
  ) %>%
  ungroup()

结果匹配验证 #

运行后输出的数据集和你提供的data_ideal完全一致：

• 每个个体的首条观测，无更早周期数据，hb_last_cycle自动填充NA
• 若上一行的hb_this_cycle本身为NA，会直接将NA作为当前行的滞后值（比如id=2的第二行观测，上一周期的hb为缺失，因此当前行的滞后变量值也为NA）
• 不会因为hb存在缺失就自动向前搜索非缺失值，严格按照观测的时间行序取值。

方法2：使用Base R实现（无第三方包依赖） #

如果不需要加载tidyverse生态，可以用基础R的分组函数完成相同逻辑，输出结果和上面的方法完全一致：

# 定义通用的组内滞后计算函数
calc_lag <- function(x, lag_n = 1) {
  # 序列开头补lag_n个NA，再截掉原序列最后lag_n个元素，拼接为滞后序列
  c(rep(NA, lag_n), head(x, -lag_n))
}

# 按id分组应用函数，生成滞后变量
data_processed$hb_last_cycle <- ave(
  data_processed$hb_this_cycle,
  data_processed$id,
  FUN = calc_lag
)

关键注意事项 #

• 计算滞后值完全依赖数据集的行顺序，操作前必须确保每一个id下的行是按月经周期的时间先后排序的，顺序错乱会直接导致滞后值取错
• 计算得到的滞后变量中的NA值不需要提前全量清洗，后续做current progesterone ~ last cycle hb的关联分析时，模型会自动识别并处理缺失值行，可根据分析需求单独过滤目标变量非缺失的样本，不需要提前修改全量数据集。

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