按子类别过滤并在 r 中运行函数

Question

我有这样的数据：

  Ind_name Co_Name Year EPS BPS
1        A       X 2001  10  11
2        A       X 2002  12  12
3        A       X 2003  15  15
4        A       Y 2001  10  18
5        A       Y 2002  16  25
6        A       Y 2003  20  26
7        B       Z 2001  14  36
8        B       Z 2002  16   9
9        B       Z 2003  20  10

同样，在我的数据集中有 50 个行业，每个行业有 15 家公司，每个公司都有 20 年的数据。

我想要以下内容： 1. 过滤特定行业特定年份的所有公司数据。例如。

    Ind_name Co_Name Year EPS BPS
1        A       X 2001  10  11
4        A       Y 2001  10  18

之后，我需要计算 EPS 和 BPS 之间的相关系数和回归（斜率）β。

我想要这样的输出：

Ind_name   Year   Correlation    Beta
 A          2001    .55 #assume   1.2 #assume
 A          2002    .85 #assume   0.2 #assume 
 A          2003    .65 #assume   .65 #assume

您能否建议我如何实现这一目标？

注意：相关性和回归斜率可以计算如下：

cor(EPS,BPS)  #corrleation
summary(lm(mydata$EPS~mydata$BPS))$coefficients[2] #directly give beta

Answer 1

我们可以使用data.table

library(data.table)
setDT(df1)[,list(Mean = mean(EPS), Variance = var(EPS)) ,
                                     by =  .(Ind_name, Year)]

---

更新

（只是发布我之前的 cmets）。我们将'data.frame'转换为'data.table'（setDT(df1)），按'Ind_name'、'Year'分组，我们得到'EPS'、'BPS'的cor以及@987654325 @ of lm 基于这些列，然后将“Ind_name”作为“A”值的子集。

setDT(df1)[, list(Cor=cor(EPS, BPS),
     Beta = coef(lm(EPS~BPS))[2]) , by =.(Ind_name, Year)
      ][Ind_name=="A"]
#   Ind_name Year Cor      Beta
#1:        A 2001  NA 0.0000000
#2:        A 2002   1 0.3076923
#3:        A 2003   1 0.4545455

Answer 2

试试dplyr 包：

library("dplyr")

df %>% 
    group_by(Ind_name, Year) %>% 
    summarise(Mean=mean(EPS),
              Median=median(EPS),
              Variance=var(EPS))

Answer 3

一种更完整的基于data.table 的方法，通过CJ(c("A", ...), c(2001, ...) 实施过滤以仅选择相关行业和年份：

library(data.table)

mydata <- fread("Ind_name Co_Name Year EPS BPS
                        A       X 2001  10  11
                        A       X 2002  12  12
                        A       X 2003  15  15
                        A       Y 2001  10  18
                        A       Y 2002  16  25
                        A       Y 2003  20  26
                        B       Z 2001  14  36
                        B       Z 2002  16   9
                        B       Z 2003  20  10")

setkey(mydata, Ind_name, Year)

mydata[
  CJ("A", c(2001, 2002, 2003))
  , {
    list(
      Correlation = cor(EPS,BPS)
      , Beta = summary(lm(EPS~BPS))$coefficients[2]
      )
  }
  , keyby = .(Ind_name, Year)
]

结果如下所示：

   Ind_name Year Correlation      Beta
1:        A 2001          NA 0.0000000
2:        A 2002           1 0.3076923
3:        A 2003           1 0.4545455

您可以根据需要扩展“函数”（即 J 参数）的复杂性。