在R中按SIC(1-digit)行业分类计算Ebit的分组标准差
R实现:分行业计算Ebit标准差(波动率指标)
前置说明
提供两种可直接运行的实现方案,适配R新手使用习惯:
- Base R 方案:无需安装任何扩展包,安装完R即可直接运行
- Tidyverse 方案:语法可读性更强,方便后续扩展复杂分析
注意:R内置sd()默认计算样本标准差(分母为n-1),和多数财务研究中波动率的计算口径一致;如需总体标准差可自行调整计算逻辑。
步骤1:生成匹配你结构的测试数据集
直接运行以下代码,避免特殊列名(带括号、空格)引发的识别问题:
df <- data.frame( idnumber = c(198,196,374,281,274,196,374,468,389,493,928,278), `SIC(1-digit)` = c(rep("A",7), rep("B",2), rep("C",3)), Year = c(rep(2019,4),2018,2018,2018,2019,2019,2019,2019,2019), Ebit = c(2344,6383,5628,2672,2792,3802,3892,6372,3829,2718,2628,3672) )
方案1:Base R 原生实现
通过tapply()按SIC分组逐块计算Ebit标准差,自动适配缺失值处理:
ebit_vol_result <- tapply( X = df$Ebit, INDEX = df$`SIC(1-digit)`, FUN = sd, na.rm = TRUE # 自动忽略Ebit列缺失值,避免返回NA ) # 转换为规整数据框,方便和原始数据合并、导出 ebit_vol_result <- data.frame( `SIC(1-digit)` = names(ebit_vol_result), Ebit_vol_sd = as.numeric(ebit_vol_result), row.names = NULL )
方案2:Tidyverse 实现
适合后续多步数据处理的场景,逻辑链路清晰:
# 若未安装dplyr包,先运行:install.packages("dplyr") library(dplyr) ebit_vol_result <- df %>% # 按SIC行业字段分组 group_by(`SIC(1-digit)`) %>% # 计算组内Ebit标准差,同时统计组内样本量(财务研究中通常会剔除样本量过少的行业组) summarise( Ebit_vol_sd = sd(Ebit, na.rm = TRUE), group_sample_n = n() ) %>% # 解除分组状态,避免后续数据操作受分组逻辑干扰 ungroup()
新手常见问题排查
- 计算结果返回
NA:检查Ebit列是否存在缺失值,确认sd()参数已开启na.rm = TRUE - 需输出分行业-分年度的波动率:只需在
group_by()中新增Year字段,即group_by(SIC(1-digit), Year) - 需使用总体标准差口径:将
sd(Ebit, na.rm = TRUE)替换为sd(Ebit, na.rm = TRUE) * sqrt((n() - 1)/n())
内容的提问来源于stack exchange,提问作者LucaCoding
相关产品推荐
相关产品推荐

