如何计算不包括自己公司的行业中位数

Question

我需要为公司样本创建一个新列，其中包含某个行业 (SIC) 中 ETR 变量的中值。

但是，在计算 ETR 的行业 (SIC) 中位数之前，我需要排除自己的公司。

有没有人对我如何做到这一点有任何建议？

任何帮助将不胜感激。

谢谢！

样本数据：

Firm SIC ETR
1   20  10
2   20  15
3   20  20
4   20  25
5   20  30
6   21  50
7   21  55
8   21  60
9   21  65
10  21  70

应该变成：

Firm SIC ETR ETR_Median
1   20  10  22.5
2   20  15  22.5
3   20  20  20
4   20  25  17.5
5   20  30  17.5
6   21  50  62.5
7   21  55  62.5
8   21  60  60
9   21  65  57.5
10  21  70  57.5

因此，例如，当仅考虑同一行业 (SIC) 中的其他公司时，公司 #4 的行业 (SIC) 中位数为 17.5。

Answer 1

考虑按 SIC 组进行拆分，并遍历其所有 Firm 值以从 median 计算中排除。具体来说，使用：

• by（用于分组到子集dfs）
• sapply（遍历Firm值并调用median）
• unlist（将列表转换为向量以进行 df 列绑定）

总共：

df$ETR_median <- unlist(by(df, df$SIC, function(sub)
    sapply(sub$Firm, function(f) median(sub$ETR[sub$Firm != f]))
))

df

#    Firm SIC ETR ETR_median
# 1     1  20  10       22.5
# 2     2  20  15       22.5
# 3     3  20  20       20.0
# 4     4  20  25       17.5
# 5     5  20  30       17.5
# 6     6  21  50       62.5
# 7     7  21  55       62.5
# 8     8  21  60       60.0
# 9     9  21  65       57.5
# 10   10  21  70       57.5

Answer 2

您可以在进行中位数计算之前创建一个排除当前观测值的函数：

median_excl <- function(x){
  # pre-allocate our result vector:
  med_excl <- vector(length = length(x))
  # loop through our vector, excluding the current index and taking the median:
  for(i in seq_along(x)){
    x_excl <- x[-i]
    med <- median(x_excl)

    med_excl[i] <- med
  }
  return(med_excl)
}

然后只需使用 dplyr 或您选择的任何方式应用它：

df %>% group_by(SIC) %>% mutate(ETR_Median = median_excl(ETR))

#    Firm SIC ETR ETR_median
# 1     1  20  10       22.5
# 2     2  20  15       22.5
# 3     3  20  20       20.0
# 4     4  20  25       17.5
# 5     5  20  30       17.5
# 6     6  21  50       62.5
# 7     7  21  55       62.5
# 8     8  21  60       60.0
# 9     9  21  65       57.5
# 10   10  21  70       57.5