我来帮你把伍德里奇的方法落地到你的面板数据上，其实核心逻辑和他书中的例子完全一致——缩减因子就是「基期CPI除以当期CPI」，用这个因子乘以当期名义工资，就能得到以基期货币价值衡量的实际工资。咱们一步步拆解：

1. 先理清楚核心逻辑 #

伍德里奇书中用107.6/65.2≈1.65计算缩减因子，本质就是拿基期的CPI值（107.6）除以当期的CPI值（65.2），这样就能把当期的名义工资转换为基期的实际工资。对应到你的需求，就是用2015年的CPI作为基准，计算每一年的缩减因子。

2. 整理CPI数据并计算缩减因子 #

首先需要把你获取的CPI数据里的日期转换成年份，然后以2015年的CPI值为基准计算每一年的缩减因子：

# 加载所需工具包
library(dplyr)
library(Quandl)

# 获取并整理CPI年度数据
CPI00to16 <- Quandl::Quandl("FRED/CPIAUCSL", collapse="annual", start_date="2000-01-01", end_date="2016-01-01")
CPI00to16 <- CPI00to16 %>%
  # 从日期列提取年份
  mutate(yr = as.numeric(format(Date,'%Y'))) %>%
  # 计算缩减因子：2015年CPI / 当期CPI
  mutate(deflation_factor = Value[yr == 2015] / Value) %>%
  # 只保留后续需要的年份和缩减因子列
  select(yr, deflation_factor)

3. 合并缩减因子到工资面板数据 #

接下来把你的工资数据和CPI的缩减因子按年份匹配合并：

# 先复现你的工资面板数据
set.seed(2)
tbl <- tibble(id = rep(c('Jane', 'Tom'), c(7, 10)), 
              yr = c(2009:2015, 2006:2015), 
              wg = c(rnorm(7, mean=5.1*10^4, sd=9), rnorm(10, 4*10^4, 12)) )

# 按年份合并数据
df <- tbl %>% 
  inner_join(CPI00to16, by = "yr")

4. 计算实际工资 #

最后用缩减因子乘以名义工资，得到以2015年货币价值衡量的实际工资：

df <- df %>%
  mutate(
    wg_defl = deflation_factor * wg, # 转换后的实际工资
    wg_diff = wg_defl - wg # 名义工资与实际工资的差值（可选，用于对比）
  )

结果验证 #

看最终输出的结果就能明白：

• 2015年作为基期，缩减因子为1，所以实际工资和名义工资完全相等；
• 年份越早，缩减因子越大，实际工资比名义工资越高——这是因为过去的货币购买力更强，比如Tom2006年的名义工资是39997.12，转换为2015年的实际工资后变成了46839.76，直观体现了通胀对工资购买力的影响。

内容的提问来源于stack exchange，提问作者Eric Fail