r - 按组的滞后变量计算

Question

使用以下数据集：

set.seed(2)
origin <- rep(c("DEU", "GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR","DEU", "GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR"), 6)
dest <- rep(c("GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR","DEU", "GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR", "DEU"), 6)
year <- rep(c(rep(1998, 10), rep(1999, 10), rep(2000, 10)), 2)
type <- rep(c(1,2,3,4,5), 12)
# type <- sample(1:10, size=length(origin), replace=TRUE)
a <- sample(100:10000, size=length(origin), replace=TRUE)
b <- sample(1000:100000, size=length(origin), replace=TRUE)
data.df <- as.data.frame(cbind(origin, dest, year, type, a,b))
rm(origin, year, dest, type, a,b)

例如，我想计算以下操作：

• [a ^t+1 _ijk - a ^t _ijk ] * b ^{t sup> _ik}

我是type，j origin 和 k dest。我决定先用dplyr计算a，lag.a的滞后：

data.df <- data.df %>%
            group_by(origin, dest, type) %>%
            mutate(lag.a = lag(a, n = 1, default = NA))

我认为这种方式是正确的，即使我不太了解 R 如何单独理解要考虑的时间参考是什么...？？

顺便说一句，这样做我得到了对应于第一部分的结果（a ^t+1 _ijk - a ^t _ijk ) 我的计算。我的问题是我现在不知道该怎么做 (lag.a ^t+1 _ijk * b ^t _ik )...有什么想法吗？

如果可能的话，我想要一个解决方案（dplyr 或 data.table），不要将滞后变量变异到数据集中，以免对其进行过度加权。

Answer 1

您的代码中有几个问题。首先，像这样创建您的data.frame：

data.df <- data.frame(origin, dest, year, type, a, b)

这将保留所有向量的类。请注意，如果您不希望 origin 和 dest 成为因子，只需在 data.frame() 函数中使用参数 stringsAsFactors = FALSE。

接下来，按如下方式创建新变量：

data.df2 <- data.df %>%
  group_by(origin, dest, type) %>%
    arrange(year) %>% 
    mutate(new_var = (a - lag(a)) * b) %>%
  ungroup()

这里，new_var 是您想要的变量。你是对的，dplyr 不知道滞后值来自上一个时间段。因此，您必须使用arrange(year)。