依赖于r中先前观测值的列中的计算

Question

是否有任何方法可以创建一个变量，这取决于它在R中的早期观察?

在下面的例子中，"资产"一栏应按每个时间段(t)折旧1.67% (20%/12)

第一个'end result' = 'asset - depr'

我面临的问题是，从第2行开始，'end-result'中的值必须依赖于前一个时间段的'end-result'。

从t=2开始，深度。为'end-result, t-1' * 1,67%

谢谢!

(这是最终产品应该看起来的样子)-也按PERMNO (ID)排序

t   id  asset   depr.   end_result
1   10010   45145   752     44393
2   10010   45145   740     43653
3   10010   45145   728     42925
4   10010   96730   1575    92935
5   10010   96730   1549    91386
6   10010   96730   1523    89863
7   10010   145511  2311    136333
8   10010   145511  2272    134061
9   10010   145511  2234    131827
10  10010   190986  2955    174347
11  10010   190986  2906    171441
12  10010   190986  2857    168584
1   10020   20050   334     19716
2   10020   20050   329     19387
3   10020   20050   323     19064
4   10020   50411   824     48601
5   10020   50411   810     47791
6   10020   50411   797     46995
7   10020   120154  1946    114792
8   10020   120154  1913    112879
9   10020   120154  1881    110998
10  10020   173575  2740    161678
11  10020   173575  2695    158984
12  10020   173575  2650    156334

Answer 1

取此示例数据

df <- structure(list(t = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 
11L, 12L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 12L), 
id = c(10010L, 10010L, 10010L, 10010L, 10010L, 10010L, 10010L, 
10010L, 10010L, 10010L, 10010L, 10010L, 10020L, 10020L, 10020L, 
10020L, 10020L, 10020L, 10020L, 10020L, 10020L, 10020L, 10020L, 
10020L), asset = c(45145L, 45145L, 45145L, 96730L, 96730L, 
96730L, 145511L, 145511L, 145511L, 190986L, 190986L, 190986L, 
20050L, 20050L, 20050L, 50411L, 50411L, 50411L, 120154L, 
120154L, 120154L, 173575L, 173575L, 173575L)), class = "data.frame", row.names = c(NA, 
-24L))
> df
t    id  asset
1   1 10010  45145
2   2 10010  45145
3   3 10010  45145
4   4 10010  96730
5   5 10010  96730
6   6 10010  96730
7   7 10010 145511
8   8 10010 145511
9   9 10010 145511
10 10 10010 190986
11 11 10010 190986
12 12 10010 190986
13  1 10020  20050
14  2 10020  20050
15  3 10020  20050
16  4 10020  50411
17  5 10020  50411
18  6 10020  50411
19  7 10020 120154
20  8 10020 120154
21  9 10020 120154
22 10 10020 173575
23 11 10020 173575
24 12 10020 173575

方法1基数R法

• 首先用r为基数的ave()来计算the additions during the year。实际上，您的资产价值列就像资产的累积价值，它必须在一个月内像只增加一样减少。(步骤1)
• 为了应用你的迭代逻辑，我建议使用基础函数Reduce()和协议accumulate = TRUE。这将有助于生成您的残值列。(步骤2)
• 之后，生成折旧值列。这将是累积折旧。因此，减少到每月折旧。(步骤3)
• 最后可以删除步骤1中生成的列(这是可选的)

#1 calculation of asset_addition column
df$asset_addition <- with(df, ave(asset, id, FUN = function(x){c(x[1], diff(x))}))
#2 desired iteration
df$end_res <- with(df, 
ave(replace(asset_addition, 
t==1, 
asset_addition[t==1]*11.8/12), 
id, 
FUN = function(z){Reduce(function(x, y){(x+y)*11.8/12}, 
z, 
accumulate = T)}))
#3 depr. column calculation
df$depr. <- with(df, ave(asset - end_res, id, FUN = function(x){c(x[1], diff(x))}))

检查结果

df
t    id  asset asset_addition   end_res     depr.
1   1 10010  45145          45145  44392.58  752.4167
2   2 10010  45145              0  43652.71  739.8764
3   3 10010  45145              0  42925.16  727.5451
4   4 10010  96730          51585  92934.99 1575.1694
5   5 10010  96730              0  91386.08 1548.9165
6   6 10010  96730              0  89862.97 1523.1013
7   7 10010 145511          48781 136333.24 2310.7329
8   8 10010 145511              0 134061.02 2272.2207
9   9 10010 145511              0 131826.67 2234.3504
10 10 10010 190986          45475 174346.64 2955.0278
11 11 10010 190986              0 171440.87 2905.7774
12 12 10010 190986              0 168583.52 2857.3478
13  1 10020  20050          20050  19715.83  334.1667
14  2 10020  20050              0  19387.24  328.5972
15  3 10020  20050              0  19064.12  323.1206
16  4 10020  50411          30361  48601.36  823.7519
17  5 10020  50411              0  47791.34  810.0227
18  6 10020  50411              0  46994.82  796.5223
19  7 10020 120154          69743 114792.19 1945.6303
20  8 10020 120154              0 112878.99 1913.2031
21  9 10020 120154              0 110997.67 1881.3164
22 10 10020 173575          53421 161678.36 2740.3111
23 11 10020 173575              0 158983.72 2694.6393
24 12 10020 173575              0 156333.99 2649.7286

方法2dplyr方法。

• 这是一个稍微不同的方法。生成累计折旧百分比，并将其用于生成剩余列。但是，年内增加的任何资产价值(如果有的话)将提前计算。

library(dplyr)
df %>% group_by(id) %>%
mutate(end_value = cumsum((asset - lag(asset, default = 0))/((1-.2/12)^(t-1))) * (1-.2/12)^t,
depr. = asset - end_value,
depr. = c(depr.[1], diff(depr.)))
# A tibble: 24 x 5
# Groups:   id [2]
t    id  asset end_value depr.
<int> <int>  <int>     <dbl> <dbl>
1     1 10010  45145    44393.  752.
2     2 10010  45145    43653.  740.
3     3 10010  45145    42925.  728.
4     4 10010  96730    92935. 1575.
5     5 10010  96730    91386. 1549.
6     6 10010  96730    89863. 1523.
7     7 10010 145511   136333. 2311.
8     8 10010 145511   134061. 2272.
9     9 10010 145511   131827. 2234.
10    10 10010 190986   174347. 2955.
# ... with 14 more rows

与您想要的输出

完全相同方法3使用purrr::accumulate()

#approach-3 similar to approach-1 but using dplyr verbs & purrr::accumulate in one single pipe
library(tidyverse)
df %>% group_by(id) %>%
mutate(asset_add = c(0, diff(asset)),
end_res = accumulate(asset_add, ~ (.x + .y)*(11.8/12), .init = asset[1])[-1],
depr. = asset - end_res,
depr. = c(depr.[1], diff(depr.))) %>%
ungroup() %>%
select(-asset_add)
# A tibble: 24 x 5
t    id  asset end_res depr.
<int> <int>  <int>   <dbl> <dbl>
1     1 10010  45145  44393.  752.
2     2 10010  45145  43653.  740.
3     3 10010  45145  42925.  728.
4     4 10010  96730  92935. 1575.
5     5 10010  96730  91386. 1549.
6     6 10010  96730  89863. 1523.
7     7 10010 145511 136333. 2311.
8     8 10010 145511 134061. 2272.
9     9 10010 145511 131827. 2234.
10    10 10010 190986 174347. 2955.
# ... with 14 more rows