Data-Gouv-FR/carroyage-filosofi-revenus-pauvrete-et-niveau-de-vie-en-2021

该数据集提供了波尔多都市区200米边长方格的社会经济信息，包括收入、贫困和生活水平数据。统计数据来源于法国国家统计与经济研究所（INSEE）的地方化社会与财政文件（Filosofi），最新可用版本为2021年。数据基于2021年收入（于2022年申报）和2020年1月1日的居住税编制而成。数据文档及其生产和使用方法可通过指定链接获取。This dataset presents socio-economic information (income, poverty, and standard of living) by 200-meter side squares in the Bordeaux metropolitan area. The source of these statistics is the Localized Social and Fiscal File (Filosofi) provided by INSEE, with the latest available version dating from 2021. It is based on income received in 2021, declared in 2022, and the housing tax as of January 1, 2020. Documentation on the data as well as methodology on their production and uses are available via the provided link.

搜集汇总

数据集介绍

构建方式

该数据集源自法国国家统计与经济研究所（INSEE）的“Fichier Localisé Social et Fiscal”（Filosofi）数据库，聚焦于2021年波尔多都市圈内200米×200米网格尺度上的社会经济指标。数据构建基于2021年居民收入申报（2022年申报）及2020年1月1日的居住税信息，通过空间网格化处理将原始行政区域统计映射至均匀地理单元，最终形成以Parquet格式存储的结构化表格资源。Hugging Face仓库中仅包含一个子集配置'se_filosofi_200_s'，所有数据统一归入'train'分割，便于直接加载与分析。

使用方法

用户可通过Hugging Face Datasets库便捷调用该数据，使用Python代码'load_dataset'函数指定配置名'se_filosofi_200_s'即可加载'train'分割中的全部记录。加载后的数据集为字典结构，可直接按列访问收入、贫困率等字段，或转换为Pandas DataFrame进行深入探索。建议结合GeoPandas等空间分析工具，将网格坐标转换为地理要素，进而实现可视化制图或空间自相关分析。需注意数据遵循'fr-lo'许可证，在再利用时应注明官方来源及INSEE的方法论文档链接。

背景与挑战

背景概述

该数据集名为Carroyage Filosofi (revenus, pauvreté et niveau de vie en 2021)，由法国国家统计与经济研究所（INSEE）基于Filosofi（Fichier Localisé Social et Fiscal）数据源创建，于2021年发布，主要研究人员与机构涉及INSEE及法国公共数据平台data.gouv.fr。其核心研究问题在于以200米边长的网格为空间单元，呈现法国波尔多都会区在收入、贫困与生活水平方面的社会经济信息，从而为区域不平等分析、公共政策评估及城市可持续发展研究提供精细化的地理参考数据。该数据集依托于INSEE官方统计方法，融合了2021年申报的收入数据与2020年的住房税信息，具有官方性和时效性，对法国地方经济研究、社会地理学及开放数据运动具有一定的影响力。

当前挑战

该数据集所解决的领域问题在于如何以高空间分辨率刻画城市内部的社会经济差异，突破传统行政区划统计的局限，但面临若干挑战。首先，数据构建需处理多源异构数据的融合与隐私保护，例如收入数据来自税务申报、住房税数据源自地方行政记录，两者在时间、口径和空间精度上的不一致性增加了整合难度。其次，200米网格尺度的统计推断需应对小样本区域的统计可靠性问题，因为某些网格可能因居民数量过少而面临披露风险，需采用掩码或四舍五入等匿名化技术。此外，数据集依赖的Filosofi数据每年更新，但最新年份（2021）的发布存在时间滞后，且普查基数与行政记录之间的偏差可能影响长期可比性。

常用场景

经典使用场景

该数据集以200米边长的网格为地理单元，精细呈现了法国波尔多都市圈的收入、贫困率与生活水平等社会经济指标。经典使用场景包括利用高分辨率空间数据进行区域不平等分析，例如通过收入中位数或贫困率的空间分布，揭示城市内部不同区块之间的经济分化格局。研究者常将其与人口密度、住房类型等空间数据结合，开展多变量空间聚类或回归分析，以理解财富集聚与边缘化区域的成因。这一精细化的地理粒度使得传统以市镇或街区为单位的宏观分析得以向微观尺度延伸，为城市经济学与地理学提供了宝贵的数据基础。

解决学术问题

该数据集有效解决了城市内部社会经济不平等难以精准测算与可视化表达的学术难题。传统统计多依赖于行政边界，掩盖了街区内部的异质性，而Carroyage Filosofi以网格为单位，使研究者得以识别出贫困或高收入区域的真实空间范围，进而深入探讨城市空间结构与财富分配之间的内在联系。它推动了空间回归、空间自相关分析以及孤立森林等异常点检测方法在社科领域的应用，助力学者量化政策干预或基础设施配置对居民生活水平的异质性影响，揭示了隐性贫困或财富隔离的空间规律。

实际应用

在实际应用层面，该数据集为法国地方政府及城市规划机构提供了精准决策支持。例如，波尔多都市圈可依据网格级贫困率数据识别出高需求社区，优先投入教育、医疗或公共交通资源。房地产行业亦可借助生活水平数据评估不同地段的市场价值与发展潜力，辅助定价与投资策略。此外，非政府组织与社会服务机构能够利用这些精细统计定位最脆弱的群体，制定更具靶向性的救助计划，从而提升社会资源配置的公平性与有效性。

数据集最近研究

最新研究方向

该数据集聚焦于2021年法国波尔多都市圈200米网格尺度下的收入、贫困与生活水平分布，其核心研究方向在于利用高分辨率空间统计数据进行社会经济不平等与区域政策的交叉分析。当前前沿研究正围绕该数据集展开对城市内部微观地理差异的量化评估，尤其结合INSEE的Filosofi行政与税收数据，推动贫困陷阱识别、公共服务可达性优化及住房政策效应模拟等热点议题。这一数据资产为破解传统普查时效性不足的瓶颈提供了契机，支撑实时性更强的空间决策支持系统构建，其开源特性更促进了跨学科协作，对法国乃至欧洲的城市精细化治理具有显著示范意义。