Création de variables indépendantes retardées (t-1) dans les données du panneau

Question

Dites que je veux régresser le modèle prédictif: Return_t = x + Volume_t-1 + Volatility_t-1 + e. J'ai 5 ans des données de panel hebdomadaire avec 28 entreprises déjà préparées dans Excel et ressemble à ceci:

ID Date  Return  Volume  Volatility 
1 2012-01-10 0.039441572 0.6979594 0.2606079 
1 2012-01-17 -0.021107681 0.6447289 0.3741519 
1 2012-01-24 0.004798082 1.0072677 0.3097104 
1 2012-01-31 0.001559987 1.0066153 0.2761096 
1 2012-02-07 -0.009058289 0.7218983 0.2592109 
1 2012-02-14 0.046404936 1.2879986 0.4304542 
2 2012-01-10 0.02073912 -0.141970906 0.2573633 
2 2012-01-17 -0.00369127 0.007792180 0.3360240 
2 2012-01-24 -0.05881038 0.001347634 0.2163933 
2 2012-01-31 -0.05664598 0.640085029 0.3545598 
2 2012-02-07 0.03654193 0.360513703 0.3594383 
2 2012-02-14 0.03092432 0.105669775 0.3043643 

Je veux retard le réglage des variables indépendantes à t-1, quel paquet me permet de le faire en R? Je vais exécuter une régression de données de panel avec des effets fixes.

Answer 1

Après regroupement par 'ID', nous pouvons utiliser lag de dplyr

library(dplyr) 
df1 %>% 
    group_by(ID) %>% 
    mutate(Volume_1 = lag(Volume), Volatility_1 = lag(Volatility)) 

---

Ou une autre option est shift de data.table

library(data.table) 
nm1 <- c("Volume", "Volatility") 
setDT(df1)[, paste0(nm1, "_1") := lapply(.SD, shift), by = ID, .SDcols = nm1] 

Answer 2

Vous pouvez également utiliser mutate_at puis rejoindre en arrière :

df %>% 
    mutate_at(4:5, lag) %>% 
    left_join(df, ., by = c('ID','Date','Return')) 

La sortie:

ID  Date  Return  Volume.x Volatility.x  Volume.y Volatility.y 
1 1 2012-01-10 0.039441572 0.697959400 0.2606079   NA   NA 
2 1 2012-01-17 -0.021107681 0.644728900 0.3741519 0.697959400 0.2606079 
3 1 2012-01-24 0.004798082 1.007267700 0.3097104 0.644728900 0.3741519 
4 1 2012-01-31 0.001559987 1.006615300 0.2761096 1.007267700 0.3097104 
5 1 2012-02-07 -0.009058289 0.721898300 0.2592109 1.006615300 0.2761096 
6 1 2012-02-14 0.046404936 1.287998600 0.4304542 0.721898300 0.2592109 
7 2 2012-01-10 0.020739120 -0.141970906 0.2573633 1.287998600 0.4304542 
8 2 2012-01-17 -0.003691270 0.007792180 0.3360240 -0.141970906 0.2573633 
9 2 2012-01-24 -0.058810380 0.001347634 0.2163933 0.007792180 0.3360240 
10 2 2012-01-31 -0.056645980 0.640085029 0.3545598 0.001347634 0.2163933 
11 2 2012-02-07 0.036541930 0.360513703 0.3594383 0.640085029 0.3545598 
12 2 2012-02-14 0.030924320 0.105669775 0.3043643 0.360513703 0.3594383