R语言使用dplyr按年份和企业ID分组统计dummy变量频率问题求解

• 核心错误是deslig字段的计算逻辑偏差：你当前代码的sum(empem3112[empem3112==0])是对筛选出的empem3112=0的数值本身求和，所有参与计算的值都是0，求和结果自然永远为0，并非统计符合条件的记录条数。
• 额外冗余问题：empreg和total的计算逻辑也不规范：
  • empreg当前结果正确是dummy变量的特性巧合：取值为1时求和结果刚好等于记录条数，并非通用的频率统计写法
  • total用sum(empem3112)只能得到就业状态为1的总条数，无法得到该分组下的所有记录总数，若要统计总条数应该用n()函数
• 额外注意：你样例数据中年份变量名为year，代码中分组用的是ano，如果数据集变量名不一致也可能导致统计错误，按需调整即可。

直接利用R中逻辑值TRUE=1、FALSE=0的特性，对判断条件求和即可得到符合条件的记录数：

teste = rais2009 %>%
  group_by(year, cnpjcei) %>% # 若数据集年份变量为ano则改为group_by(ano, cnpjcei)
  summarise(
    total = n(), # 统计该分组下总记录数
    empreg = sum(empem3112 == 1), # 统计就业状态为1的条数
    deslig = sum(empem3112 == 0), # 统计就业状态为0的条数
    .groups = "drop" # 统计完成后自动取消分组，避免后续操作出现分组警告
  )

按你提供的样例数据运行后，企业4774对应的deslig值会正确返回2，符合预期。

可选扩展写法 #

如果需要生成长格式的统计结果，也可以用count函数一步实现：

# 长格式结果：每个分组+每个就业状态对应一行，freq为出现频率
teste_long = rais2009 %>%
  count(year, cnpjcei, empem3112, name = "freq")

内容的提问来源于stack exchange，提问作者user16019366