r - 为具有不同观测数量的面板数据中的每年分配五分位数

Question

我的面板数据包含 3 列:公司、年份、收入。每个公司的观察数量不同。例如，BBB 公司有 20 个观察值，而 AAA 公司只有 19 个。

Firm <- rep(c("AAA","BBB","CCC","DDD","EEE"), each=20)
Year <- rep(seq(1997,2016,1),times=5)
Income <- rnorm(100, mean=50, sd=10)
df <- cbind(Firm,Year,Income)
df <- as.data.frame(df) 
df <- df[!(df$Firm=="AAA" & df$Year=="2016"),]

实际数据包含超过5000家企业，每家企业超过50年。每个公司的开始日期和结束日期都不同。但这是一个足够好的例子。

我想分别为所有公司每年的收入分配五分位，并将其放入名为“Quint”的新列中。例如，对于 1997 年，公司“AAA”的收入为 50，公司“BBB”的收入为 49，公司“CCC”的收入为 48，公司“DDD”的收入为 47，公司“EEE”的收入为 46。所以公司1997 年，“AAA”有 1 个，“BBB”有 2 个，“CCC”有 3 个，“DDD”有 4 个，“EEE”有 5 个。

我有一个自定义函数，可以多年来执行此操作，但不能每年执行:

quan <- function (x){
y <-ifelse(x<=quantile(x,c(.2),na.rm=TRUE), 1,
ifelse(x>quantile(x,c(.2),na.rm=TRUE)&x<=quantile(x,c(.4),na.rm=TRUE), 2,
ifelse(x>quantile(x,c(.4),na.rm=TRUE)&x<=quantile(x,c(.6),na.rm=TRUE), 3,        
ifelse(x>quantile(x,c(.6),na.rm=TRUE)&x<=quantile(x,c(.8),na.rm=TRUE), 4,
ifelse(x>quantile(x,c(.8),na.rm=TRUE), 5, NA)))))
y
}

每年怎么做？谢谢。

Answer 1

通过dplyr包，您可以使用ntile函数来计算五分位数。按年份分组可按年份获取五分位数。另请注意数据创建代码中从 cbind 到 data.frame 的更改。 cbind 创建一个矩阵，并且矩阵中的所有值必须属于同一类型，因此数值会被强制转换为字符串。

df <- data.frame(Firm, Year, Income)
df <- df[!(df$Firm=="AAA" & df$Year=="2016"),]

library(dplyr)

df = df %>% group_by(Year) %>% 
  mutate(Quint = ntile(Income, 5))

     Firm  Year   Income    Quint
   <fctr> <dbl>    <dbl>    <int>
1     AAA  1997 66.99350        5
2     AAA  1998 55.18437        3
3     AAA  1999 31.39550        1
4     AAA  2000 57.39199        4
5     AAA  2001 41.03834        3
6     AAA  2002 51.85919        4
7     AAA  2003 38.21712        3
8     AAA  2004 45.97977        4
9     AAA  2005 47.62680        3
10    AAA  2006 48.78366        3
# ... with 89 more rows

使用基础 R，您可以使用 lapply 和 split 分别对每个 Year 进行操作，并且 cut > 按五分位数分组的函数:

df = do.call(rbind, 
             lapply(split(df, df$Year), function(x) {
               data.frame(x, Quint=cut(x[ , "Income"], 
                                       quantile(x[,"Income"], probs=seq(0,1,0.2)), 
                                       labels=1:5,
                                       include.lowest=TRUE))
             }))