基于日期范围生成年度哑变量，计算员工流动数据的方法问询

一、高效统计年度雇佣/离职人数（无需手动生成哑变量） #

生成哑变量会导致数据框过度冗余，更高效的方式是直接统计年度雇佣和离职人数，再构建完整的年度汇总表：

# 加载所需包
library(lubridate)
library(tidyverse)

# 1. 统计每年雇佣人数
hire_summary <- ssh %>%
  count(hireyear, name = "NumberHired") %>%
  rename(Year = hireyear)

# 2. 统计每年离职人数（排除未离职的NA值）
exit_summary <- ssh %>%
  filter(!is.na(exityear)) %>%
  count(exityear, name = "NumberExited") %>%
  rename(Year = exityear)

# 3. 创建1972-2023完整年份序列
full_year_range <- tibble(Year = 1972:2023)

# 4. 合并数据并计算净变化、累计员工数
annual_flow <- full_year_range %>%
  left_join(hire_summary, by = "Year") %>%
  left_join(exit_summary, by = "Year") %>%
  # 填补无雇佣/离职年份的0值
  mutate(
    NumberHired = replace_na(NumberHired, 0),
    NumberExited = replace_na(NumberExited, 0),
    NetChange = NumberHired - NumberExited,
    # 累计员工总数是逐年累加净变化
    CurrentTotal = cumsum(NetChange)
  )

运行上述代码后，annual_flow就是你需要的年度汇总表，包含Year、NumberHired、NumberExited、NetChange、CurrentTotal所有字段。

二、若需生成年度哑变量（可选） #

如果确实需要生成每个年份的雇佣/离职哑变量列，可以用dplyr::across批量生成，无需手动写每一行ifelse：

# 定义年份范围
target_years <- 1972:2023

# 生成雇佣哑变量（hiredXXXX格式）
ssh <- ssh %>%
  mutate(
    across(all_of(target_years), ~ as.integer(hireyear == .x), .names = "hired{.x}")
  )

# 生成离职哑变量（exitedXXXX格式）
ssh <- ssh %>%
  mutate(
    across(all_of(target_years), ~ as.integer(exityear == .x), .names = "exited{.x}")
  )

说明 #

• 优先推荐第一种方法：避免生成冗余列，计算效率更高，且符合tidy数据规范，后续分析更便捷。
• 第二种方法生成的哑变量列，可通过colSums统计年度总数，比如colSums(ssh %>% select(starts_with("hired")))，但远不如第一种方法直接。

内容的提问来源于stack exchange，提问作者Ben