R用于循环，带有用于z分数计算的面板数据

我目前正在RStudio中创建一些函数，其中包含一个数据集，该数据集包含2005-2013年间观察到的大约100000个个体。我有一个不平衡的面板，有两个感兴趣的变量——为了简单起见，我们把它们称为x和y

我指定的函数采用以下形式：

z = (mean(x) + mean(y)) / sd(x) 

值得注意的是，它是一种正常的z分数度量，通常在模型估计的预处理阶段用作归一化技术

指定函数的目的是计算数据集中每个个体i的z，同时考虑到不同个体观察到的不同周期T=1,2…，T。换句话说，在某些情况下，我有2008-2013年的数据，而在其他情况下，我有2006-2010年的数据

目前，我已将我的职能规定如下：

z1 <- function(x,y) {
(mean(x) + mean(y))/sd(x)
}

我只得到一个数字作为输出，表示从总观察数（约150000行）计算得出的结果。我应该如何编辑代码以确保数据集中的每个人都有一个数字

---

我假设我必须使用一个for循环来迭代和计算一个人的z分数，但我不确定在编写函数时如何指定它。

它返回一个值，因为平均值（x）、平均值（y）和sd（x）都是数值，您不要求它做任何其他事情

下面的代码模拟两个（向量）并执行（我认为是）您想要的操作。如果你对你的任务有更多的描述，那会有帮助

x <- rbinom(100,3,(2/5))
y <- rpois(100,2.5)


f <- function(mvL,mvR){
    answer = NULL;
    vector <- readline('Which?: ')
    if (vector=='Left'){
         for  (i in 1:length(mvL)){
             answer[i] = mvL[i] - ((mean(mvL) + mean(mvR)) / sd(mvL));
         }
    }
    else{
      for (i in 1:length(mvR)){
        answer[i] = mvR[i] - ((mean(mvL) + mean(mvR)) / sd(mvL));
      }
    }
    return (answer);
}

f(x,y)

---

非常感谢诺德尔，这是朝着正确方向迈出的一步。我所拥有的是大约100000人的样本。数据矩阵大约有150000行，3列。其中一列是每个单独的标识符，另外两列是变量x和y。我想计算整个样本中每个人的z分数。但是，我不知道如何确保函数计算每个个体的平均值和标准偏差，然后在进入下一个之前计算该个体的z分数。

x <- rbinom(100,3,(2/5))
y <- rpois(100,2.5)


f <- function(mvL,mvR){
    answer = NULL;
    vector <- readline('Which?: ')
    if (vector=='Left'){
         for  (i in 1:length(mvL)){
             answer[i] = mvL[i] - ((mean(mvL) + mean(mvR)) / sd(mvL));
         }
    }
    else{
      for (i in 1:length(mvR)){
        answer[i] = mvR[i] - ((mean(mvL) + mean(mvR)) / sd(mvL));
      }
    }
    return (answer);
}

f(x,y)