去除纵向数据中不连续的时间点

Question

我有一个公司年份的纵向数据，但有些公司的年份不是连续的，例如

library(data.table)
dt = data.table(firm_id=c(rep(1,5),rep(2,5)),year=c(1990,1991,1999,2000,2001,1995,1997,2008,2009,2010))

对于每家公司，我想保留最近连续几年的观察结果并删除其他观察结果。例如，公司 1 在 (1990, 1991, 1999, 2000, 2001) 有五年的观察，我想保留 (1999, 2000, 2001)

我能想到一些笨拙的方法来解决这个问题，但我想知道是否有简单的方法来解决它。

看了评论，我也想知道有没有什么办法可以保留最长的连续向量块年。例如，

library(data.table)
dt = data.table(firm_id=c(rep(1,5),rep(2,5)),year=c(1990,1991,1992,2000,2001,1995,1997,2008,2009,2010))

结果会是

Answer 1

library(data.table)
DT2 <- setorder(dt, firm_id, year)[
 ,d := cumsum(c(TRUE, diff(year) > 1)), by = .(firm_id) ][
 ,n := .N, by = .(firm_id, d) ]

DT2
#     firm_id  year     d     n
#       <num> <num> <int> <int>
#  1:       1  1990     1     3
#  2:       1  1991     1     3
#  3:       1  1992     1     3
#  4:       1  2000     2     2
#  5:       1  2001     2     2
#  6:       2  1995     1     1
#  7:       2  1997     2     1
#  8:       2  2008     3     3
#  9:       2  2009     3     3
# 10:       2  2010     3     3

从这里开始，如果您想要运行连续 3 年或更长时间，那么

DT2[ (n > 2), ]

如果你想要每个firm_id最长的运行，那么

DT2[, .SD[n == max(n),], by = .(firm_id) ]

去除纵向数据中不连续的时间点

Remove discontinuous time points in longitudinal data

r

panel-data

data.table

longitudinal