如何根据年份模式匹配面板数据？

Question

我想从对照池中选择个体作为治疗病例的对照。如果他们在一年中的活动/不活动与被治疗者的活动模式相匹配，则选择控制个体。

例如。一个治疗病例有： 2009 年、2011 年有活动，但 2010 年没有活动（因此没有当年的记录）。受治疗的对照组应仅由在 2009 年和 2011 年也有活动且在 2010 年没有活动的个人组成。

我只查看处理过的活动模式中的 3 年块。因此，从有活动的最大年份到前 2 年。

如果我有单独的 data.tables 用于处理池和控制池，我将如何匹配它们？

处理后的样子：

treated <- data.table(id = c(1, 1, 1, 2, 2, 3, 3, 4),
                      yr = c(2010, 2011, 2012, 2011, 2012, 2010, 2012, 2013))

id     yr
1   2010            
1   2011            
1   2012            
2   2011            
2   2012            
3   2010            
3   2012            
4   2013

控制

control <- data.table(id = c(rep(5, 6), rep(6, 3), 7, 7, 8, 8, 8),
                      yr = c(2009:2014, 2011, 2012, 2013, 2010, 2012, 2009, 2013, 2014))

id     yr
5   2009            
5   2010            
5   2011            
5   2012            
5   2013            
5   2014            
6   2011            
6   2012            
6   2013            
7   2010    
7   2012            
8   2009
8   2013    
8   2014    

我已经尝试将两者都放在宽格式中，以便可以为缺失的年份制作 NA，但无法从那里弄清楚如何匹配。

dcast(treated, id ~ yr, value.var = "yr")

id    2010    2011    2012    2013
-----------------------------------
1     2010    2011    2012     NA
2     NA      2011    2012     NA
3     2010    NA      2012     NA
4     NA      NA      NA       2013

因此，每个治疗对象的活动/不活动模式将是：

id   pattern
=====================
1  2010  2011  2012
2  NA    2011  2012
3  2010  NA    2012
4  NA    NA    2013

dcast(control, id ~ yr, value.var = "yr")

id    2009    2010    2011    2012    2013    2014
----------------------------------------------------
5     2009    2010    2011    2012    2013    2014
6     NA      NA      2011    2012    2013    NA
7     NA      2010    NA      2012    NA      NA
8     2009    NA      NA      NA      2013    2014

所以1 应该与5 匹配
2 与6
3 与7
4 与8 匹配

谁能指出我正确的方向？

（不确定处理这个问题的最佳方法，但现在我有一个函数，它接受一个处理过的案例，选择控制个体并计算效果。所以我会很高兴有一个与特定匹配的控制 ID 列表处理过的情况。然后我会使用这些 id 来子集主控件 data.table。）

对于预期的输出，说匹配方法在这个函数中：

get_control_ids <- function(treated_id){
  ...
  return(vector_of_control_ids)
}

然后在 id 1 上运行这个函数

get_control_ids(1)

将生成一个包含与其匹配的控件 ID 的向量。 因此，使用我的微型控制池，该函数将返回一个仅包含 5 的向量。

编辑：我不确定输出应该是什么样子。所以任何关于这方面的提示也会很方便。 也许一个 data.table 像：

treated_id    control_ids
-----------------------------------
1               5, 10, 13
2               6, 22, 23

---

关于更多上下文，我有一个 calculate_effects(treated_key) 函数，它以这种方式工作：

我有 3 个 data.tables：
treated - 每年的活动都有重复的 ID（加上其他列）
treated_keys - 有唯一的 ID（在我的实际数据中，我有两列识别特定处理）
control

我像这样使用我的calculate_effects(treated_key) 函数：

results <- treated_keys[, calculate_effects(.SD), by = 1:nrow(treated_keys)]

在函数中，treated 使用特定的 treated_key 进行子集化，这将提取属于该特定处理案例的所有记录。

同样在函数内部，control根据一些匹配规则被子集化，然后用于计算。

我想在我的calculate_effects(treated_key) 中添加代码，这将正确选择该特定treated_key 的控件。

Answer 1

假设每年有 3 个区块，您可以执行以下操作：

#expand treated to fill in gap years if any
exptrt <- treated[, .(yr=seq(max(yr)-2L, max(yr))), by=.(id)][,
    att := 0L][
        treated, att := 1, on=.(id, yr)]

#pivot control into id against yr
pctrl <- dcast(control, id ~ yr, length, value.var = "yr")

#for each id, pivot treated and join with control using 
#whatever years are in treated incl gap years
exptrt[, cid := id]
exptrt[, {
    ptrt <- dcast(.SD, cid ~ yr, value.var="att")

    pctrl[ptrt, on=names(ptrt)[-1L], x.id]
}, by=.(id)]

输出：

   id V1
1:  1  5
2:  2  6
3:  3  7
4:  4  8