在具有 NA 的面板数据集中取 3 年平均值

Question

我有以下数据框，称为 DF，

Country Year Var1 Var2
USA 2010 5 3
USA 2011 6 5
USA 2012 NA 8
USA 2013 4 NA
USA 2014 NA 6
USA 2015 6 9
CHN 2010 NA 5
CHN 2011 7 NA
CHN 2012 6 NA
CHN 2013 4 4
CHN 2014 NA 6
CHN 2015 NA 8
EGY 2010 3 NA
EGY 2011 3 5
EGY 2012 3 6
EGY 2013 NA 8
EGY 2014 NA NA
EGY 2015 NA 2

我想取数据的 3 年平均值。但是，如果在特定的三年间隔内只有两年的可用数据，我想忽略 NA 并取两年平均值。同样，如果在特定的三年间隔内只有一年的数据可用，我想将该数据点保留为该三年间隔的 "average"。基本上，在每三年的时间间隔内，我想取平均值，而忽略 NA。

我尝试了以下推荐的解决方案：R: Calculating 5 year averages in panel data

int<-cut(DF$Year,seq(2010,2016,by=3),right=F)
id<-c("Var1", "Var2")
ag<-aggregate(DF[id],list(DF$Country,int), mean)

它产生了以下结果：

Group.1 Group.2 Var1 Var2
CHN [2010,2013) NA NA
EGY [2010,2013) 3 NA
USA [2010,2013) NA 5.333333
CHN [2013,2016) NA 6.000000
EGY [2013,2016) NA NA 
USA [2013,2016) NA NA

但我感兴趣的输出是：

Group.1 Group.2 Var1 Var2
CHN [2010,2013) 6.5 5
EGY [2010,2013) 3 5.5
USA [2010,2013) 5.5 5.3
CHN [2013,2016) 4 6
EGY [2013,2016) NA 5 
USA [2013,2016) 5 7.5

Answer 1

以下是使用包 dplyr 执行此操作的方法。基本上，您首先使用 mutate 创建一个 "year group"。我使用 ifelse 但如果你有更多的组，你应该考虑查看 case_when 尽管嵌套 ifelse 会起作用。然后，我们按国家和 Year_group.

进行汇总

df1 <- read.table(text="Country Year Var1 Var2
                  USA 2010 5 3
                  USA 2011 6 5
                  USA 2012 NA 8
                  USA 2013 4 NA
                  USA 2014 NA 6
                  USA 2015 6 9
                  CHN 2010 NA 5
                  CHN 2011 7 NA
                  CHN 2012 6 NA
                  CHN 2013 4 4
                  CHN 2014 NA 6
                  CHN 2015 NA 8
                  EGY 2010 3 NA
                  EGY 2011 3 5
                  EGY 2012 3 6
                  EGY 2013 NA 8
                  EGY 2014 NA NA
                  EGY 2015 NA 2",header=TRUE, stringsAsFactors=FALSE)
library(dplyr)
df1%>%
  group_by(Country)%>%
  mutate(Year_group=ifelse(Year<2013,"2010-2012","2013-2016"))%>%
  group_by(Country,Year_group)%>%
  summarise(Mean_var1=mean(Var1,na.rm=TRUE),Mean_var2=mean(Var2,na.rm=TRUE)

  Country Year_group Mean_var1 Mean_var2
    <chr>      <chr>     <dbl>     <dbl>
1     CHN  2010-2012       6.5  5.000000
2     CHN  2013-2016       4.0  6.000000
3     EGY  2010-2012       3.0  5.500000
4     EGY  2013-2016       NaN  5.000000
5     USA  2010-2012       5.5  5.333333
6     USA  2013-2016       5.0  7.500000

Answer 2

您快完成了，只需要在您的代码中添加一项：

int <- cut(DF$Year, seq(2010, 2016, by = 3), right = FALSE)
id <- c("Var1", "Var2")
ag <- aggregate(DF[id], list(DF$Country, int), mean, na.rm = TRUE)
#                                                    |
#-----------------------------------------------------

ag
#  Group.1     Group.2 Var1     Var2
#1     CHN [2010,2013)  6.5 5.000000
#2     EGY [2010,2013)  3.0 5.500000
#3     USA [2010,2013)  5.5 5.333333
#4     CHN [2013,2016)  4.0 6.000000
#5     EGY [2013,2016)  NaN 5.000000
#6     USA [2013,2016)  5.0 7.500000

aggregate() 接受方法传递或使用的更多参数。这样，您可以将 na.rm = TRUE 参数传递给 mean().

在具有 NA 的面板数据集中取 3 年平均值

Taking a 3 year average across in a panel data set with NAs

r

panel-data