在不平衡面板数据集中生成每个 ID 的所有先前观察值的滚动平均值答案

【问题标题】：Producing a rolling average of ALL the previous observations per ID in an unbalanced panel data set在不平衡面板数据集中生成每个 ID 的所有先前观察值的滚动平均值
【发布时间】：2013-04-19 18:26:48
【问题描述】：

我正在尝试计算不平衡数据集的滚动平均值。为了说明我的观点，我制作了这个数据玩具示例：

ID  year  Var   RollingAvg(Var)
1   2000  2     NA
1   2001  3     2
1   2002  4     2.5
1   2003  2     3
2   2001  2     NA
2   2002  5     2
2   2003  4     3.5

RollingAvg(Var) 栏目是我想要的，但是拿不到。换句话说，我正在寻找每个ID 之前对Var 的所有观察的滚动平均值。我曾尝试在zoo 和plyr 包中使用rollapply 和ddply，但我看不到如何设置滚动窗口长度以使用每个ID 的所有先前观察。也许我应该改用 plm 包？任何帮助表示赞赏。

我看过其他关于 BALANCED 面板数据集的滚动平均值的帖子，但我似乎无法推断他们对不平衡数据的答案。

谢谢，

中号

【问题讨论】：

我不明白为什么RollingAvg(Var)NA的第5行？
我认为它正在计算每个ID
您的预期输出正确吗？
@Jdbaba 和 @user1493368： 'NA' 在那里，因为它是该 ID 的第一个观察值，我想要以前观察值的平均值，所以我想第一次观察 @ 987654334@ 成为NA。
另见stackoverflow.com/questions/19894471/…和stackoverflow.com/questions/743812/…

标签： r plyr zoo

【解决方案1】：

使用data.table：

library(data.table)
d = data.table(your_df)

d[, RollingAvg := {avg = cumsum(Var)/seq_len(.N);
                   c(NA, avg[-length(avg)])},
    by = ID]

（甚至简化）

d[, RollingAvg := c(NA, head(cumsum(Var)/(seq_len(.N)), -1)), by = ID]

【讨论】：

你不应该将DT$x = ... 与data.table 一起使用，这会复制整个表格，而这正是它试图不做的事情。请改用:=（阅读小插图）
@eddi：谢谢，这行得通！仍在尝试了解发生了什么，但我可能会到达那里:) 是否可以扩展您的答案，以便第一个说 2 个观察被编码为“NA”，而不仅仅是第一个？（我知道它不在原来的问题中）
当然，发生的事情是我计算累积总和，然后将其除以直到那时的观察次数，这实际上是您想要的平均值的定义（运行 cumsum 和 @987654328 @分开看他们做了什么）；之后我只是将它转换为您喜欢的形式 - 如果您想更多地转换它，只需在前面添加 2 个NA 并从尾部取出两个元素
我还认为您可能需要在应用此之前仔细检查您的 DT 对象是否按时间正确排序。

【解决方案2】：

假设每个 ID 中的年份是连续的（在示例数据中是大小写）并且 DF 是输入数据框，这里是一个仅使用基础 R 的解决方案。cumRoll 是一个执行所需操作的函数在一个 ID 上，ave 然后按 ID 执行：

cumRoll <- function(x) c(NA, head(cumsum(x) / seq_along(x), -1))
DF$Roll <- ave(DF$Var, DF$ID, FUN = cumRoll)

结果是：

> DF
  ID year Var Roll
1  1 2000   2   NA
2  1 2001   3  2.0
3  1 2002   4  2.5
4  1 2003   2  3.0
5  2 2001   2   NA
6  2 2002   5  2.0
7  2 2003   4  3.5

【讨论】：