跨年份追踪设计
围绕同一批家庭与个人按固定周期重复访问,使不同轮次的数据可以对齐比较,适合观察收入、健康、教育等状况随时间的变化。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
北京大学主导的全国家庭追踪调查数据平台,面向社科研究者开放申请。
中国家庭追踪调查由北京大学相关研究机构组织实施,是一项覆盖全国、按固定周期回访同一批家庭的长期社会调查。它的价值不在即时分析或可视化,而在于积累可跨年份对比的个体与家庭层面原始数据,供经济学、社会学、公共卫生等领域的学者做因果与追踪研究。使用者需要提交研究用途申请、通过审核后才能获取数据,并自行用统计软件清洗与分析。对只想快速看结论的普通读者来说门槛较高。
中国家庭追踪调查是由北京大学下属研究机构组织的一项全国性、长期追踪的社会调查项目。它围绕同一批家庭及其成员,按固定周期重复访问,记录家庭结构、收入、教育、健康、就业等方面的状况,核心产出是可跨年份对齐的微观数据。
与一次性问卷调查不同,追踪调查的关键在于「同一批人被反复访问」,因此能观察个体和家庭随时间的变化,适合做因果推断和生命周期研究。数据经过整理后以申请制方式向研究者开放,通常附带问卷、变量说明等文档。
使用方式上,研究者一般先确定研究问题,再对照变量清单筛选所需模块,提交申请获取数据后,用 Stata、R、Python 等工具做清洗与建模;教学场景中常被用作社科定量方法的案例数据;对政策研究者而言,它提供的是可反复调用的基础数据,而非现成结论。
围绕同一批家庭与个人按固定周期重复访问,使不同轮次的数据可以对齐比较,适合观察收入、健康、教育等状况随时间的变化。
能分析家庭内部成员之间的相互影响,也可把个人放回家庭背景中考察。
内容横跨经济状况、教育、健康、就业、人口结构等主题,一份数据可支撑多个学科的研究问题,不必为每个课题单独收集数据。
数据不直接公开下载,需要说明研究用途并提交申请,通过审核后获得使用权限,使用范围通常限定在申报的研究目的内。
提供问卷、变量说明等资料,这是正确使用追踪数据的前提。
数据组织方式以统计分析为导向,默认使用者具备计量或统计基础,并会自行处理缺失值、样本流失等问题。
当你要做的是需要跨年份比较、或需要家庭与个人关联的社科实证研究时,它提供的是难以自行收集的长期微观数据,值得走一遍申请流程。当你的需求是快速得到一份可视化报告、或只是想知道某个社会话题的大致结论时,直接用统计年鉴、公开研究报告更省事,绕道申请数据并不划算。它本质上是给研究者用的原始数据源,不是给人看结论的产品。
研究收入、教育、健康等长期变化,需要可跨年份比较的微观数据,这套数据能省下自行调查的大量成本。
用真实调查数据讲面板分析、样本加权等概念,比模拟数据更能让学生理解实际数据的脏与复杂。
需要家庭层面基础数据支撑评估报告,但要自行完成分析,且使用范围受申请时申报的用途约束。
数据字段多、含缺失与样本流失,缺少统计基础时容易误用变量,建议先在指导下完成一个小课题。
需要的是现成图表或摘要,而这里提供的是原始数据,需自行清洗建模,不匹配这类需求。
它是一项面向全国家庭的长期追踪调查,按固定周期回访同一批家庭及其成员,记录收入、教育、健康、就业等方面的状况。核心价值是同一批人被反复访问,因此能观察变化。
不能直接下载。需要提交申请,说明研究问题与所需数据范围,通过审核后获得使用权限,且使用范围通常限定在申报的研究目的内。用他人账号获取或转给第三方一般不被允许。
难点不在拿到数据,而在用对数据。字段多、跨轮问法有差异、部分家庭后续不再参与,这些都需要在建模前处理。若只当单一年的截面数据来分析,会浪费追踪设计本身的信息量。
不建议单独上手。理解变量含义、处理缺失与样本流失、选择合适的模型都需要一定基础。若是学生,建议在导师或课程框架内先做一个小题目,熟悉流程后再独立使用。
一次性调查只能看某个时点的状况,它则对同一批人多次访问,能区分「本来就不同」和「随时间发生了变化」,这是做因果推断和生命周期研究时最关键的一点。