R语言面板数据：OP=1时删除该国后续观测的实现方法

依赖包准备 #

新手优先用dplyr的分组逻辑处理面板操作，代码可读性强，不容易写错：

• 首次运行先安装需要的包：

install.packages(c("dplyr", "haven"))

• 加载包并导入原始面板数据：

library(dplyr)
library(haven)

# 导入示例面板数据
Panel <- read_dta("http://dss.princeton.edu/training/Panel101.dta")

核心实现逻辑 #

完全匹配需求规则：

1. 按country字段对样本拆分，每个国家单独处理
2. 定位每个国家对应的op=1的年份：因为提到每个国家仅出现一次op=1，直接提取该值即可
3. 对该国样本做筛选：保留op=1年份及之前的所有观测（包含op=0和op=1的样本，满足logit建模的样本要求），删除该年份之后的所有观测
4. 对从未出现op=1的国家，默认保留全部样本，避免误删

可直接运行的清洗代码 #

Panel_clean <- Panel %>%
  # 按国家分组单独处理
  group_by(country) %>%
  # 计算每个国家的样本截断年份
  mutate(
    cutoff_year = case_when(
      # 如果该国存在op=1，截断年份就是op=1对应的年份
      any(op == 1) ~ year[op == 1],
      # 如果该国从来没有op=1，截断年份设为该国最大年份（等于全保留）
      TRUE ~ max(year)
    )
  ) %>%
  # 筛选出截断年份及之前的观测
  filter(year <= cutoff_year) %>%
  # 取消分组
  ungroup() %>%
  # 删除临时生成的截断年份列，还原原始数据结构
  select(-cutoff_year)

结果校验（新手必须做，避免错删样本） #

跑清洗代码后必须手动核对结果，避免逻辑偏差：

• 第一步：汇总查看每个国家的保留区间，确认没有提前截断的情况

# 查看每个国家的样本保留范围
Panel_clean %>%
  group_by(country) %>%
  summarise(
    起始年份 = min(year),
    截止年份 = max(year),
    op为1的样本数 = sum(op == 1)
  )

• 第二步：抽选单个国家对比原始数据和清洗后的数据，确认op=1年份之后的观测已经全部删除

# 例如对比A国的原始、清洗后样本
Panel %>% filter(country == "A")
Panel_clean %>% filter(country == "A")

注意：如果实际数据集里某个国家存在多次op=1的情况，只要把year[op ==1]改成min(year[op ==1])，就会自动从最早的op=1年份开始截断，适配常规事件研究类数据的处理要求。

内容的提问来源于stack exchange，提问作者Thierno Bocar Diop