Data-Gouv-FR/aah-repartition-des-allocataires-selon-le-taux-dincapacite-et-lage-departement

自2016年以来，按残疾率和档案负责人年龄分组的成人残疾津贴（AAH）月度受益人数据，覆盖部门级别。该数据集展示受助家庭、覆盖人员以及支付的总福利金额。在资源条件限制下，如果个人处于残疾状态，成人残疾津贴可以补充资源以确保最低收入（参考：https://www.caf.fr/allocataires/aides-et-demarches/droits-et-prestations/handicap/l-allocation-aux-adultes-handicapes-aah）。Monthly beneficiaries of the allocation for disabled adults (AAH) according to the disability rate and the age of the file manager, at the departmental level, since 2016. This dataset presents recipient households, covered individuals, and the total amount of benefits paid. Under resource conditions, the adult disability allowance can supplement resources to guarantee a minimum income if the person is in a situation of disability (reference: https://www.caf.fr/allocataires/aides-et-demarches/droits-et-prestations/handicap/l-allocation-aux-adultes-handicapes-aah).

搜集汇总

数据集介绍

构建方式

本数据集源自法国公共开放数据平台data.gouv.fr，聚焦于自2016年以来，按省份尺度统计的成人残疾津贴（AAH）月度受益人群分布。构建方式上，该数据集将原始tabular资源映射为Hugging Face仓库中的一个独立子集配置，每个配置均包含一个名为“train”的统一数据拆分。数据以Parquet格式存储，路径为data/aah_s_tx_inca_age_5_dep.parquet，从而实现了高效的压缩与读取性能，便于后续分析与建模。

特点

该数据集的核心特点在于其精细化的维度划分，涵盖了受益家庭数量、覆盖人数以及发放的津贴总额，并按照负责人的残疾等级与年龄进行交叉分类。这种结构使得研究人员能够深入洞察不同年龄段与残疾程度群体的AAH覆盖状况，为社会保障政策评估与资源配置提供了定量依据。此外，数据集采用开放的许可证（lov2）发布，确保了公共数据的可复现性与广泛适用性。

使用方法

使用该数据集时，可通过Hugging Face的datasets库直接加载，示例代码为：ds = load_dataset("Data-Gouv-ML/aah-repartition-des-allocataires-selon-le-taux-dincapacite-et-lage-departement", "aah_s_tx_inca_age_5_dep")。加载后，数据将以默认的train拆分形式呈现，用户可利用Pandas等工具对其进行数据框转换，进而执行统计汇总、可视化或机器学习建模。数据集仅包含一个子集配置，操作简洁，适合快速集成至现有数据工作流。

背景与挑战

背景概述

该数据集名为“AAH - Répartition des allocataires selon le taux d'incapacité et l'âge [Département]”，由法国数据开放平台data.gouv.fr于2023年发布，核心研究问题聚焦于法国省级层面成年残疾人津贴（AAH）领取者的分布特征。数据集由法国公共数据机构整理，旨在揭示残疾人津贴领取者按伤残程度和年龄组的分布规律，为社会保障政策评估提供量化依据。作为法国开放数据运动的重要组成部分，该数据集自2016年起的月度数据覆盖了家庭数量、覆盖人数及发放总金额，对研究残疾人福利的公平性、区域差异及政策效果具有基础性支撑作用，被广泛应用于公共政策分析与社会科学研究领域。

当前挑战

该数据集所解决的领域问题在于，长期以来法国残疾人福利领域缺乏按伤残程度和年龄细分的地理空间数据，导致政策制定者难以精准识别弱势群体分布。构建过程中面临多重挑战：一是跨部门数据整合，需协调法国国家统计与经济研究所（INSEE）与各地区家庭津贴基金（CAF）的异构数据格式；二是隐私保护与数据粒度的平衡，需确保在省级尺度下不泄露个人身份信息；三是时间序列一致性维护，自2016年以来的月度数据需处理政策规则变更及统计口径调整带来的纵向可比性问题。

常用场景

经典使用场景

该数据集以法国省级行政区划为空间单元，系统记录了自2016年以来每月领取成年人残疾津贴（AAH）的受益者分布情况，涵盖不同残疾等级与年龄层次的精细划分。研究者可借此深入剖析残疾人群体在经济扶助体系中的时空分布特征，例如通过跨年度数据追踪各年龄段与残疾程度组合下津贴覆盖人数及发放总额的演变趋势，为评估社会保障政策的实施效果提供量化基石。同时，数据集包含家庭户数、覆盖人数及津贴总金额等多维指标，使得从宏观到微观层面的社会救济效能比较成为可能，尤其在揭示区域间福利分配差异与资源匹配均衡性方面展现出独特价值。

衍生相关工作

围绕该数据集已衍生出多项富有影响力的相关研究工作。部分学者基于此数据构建了残疾津贴受益人群的聚类分析框架，通过无监督学习方法揭示出具备相似福利依赖模式的人口子群，为精细化政策制定提供了类型学依据。另一些工作则将其与法国全国健康保险数据、就业市场统计数据进行跨库融合，搭建起残疾人社会经济地位的多维度评估模型，深入探讨津贴收入对受益者重返劳动力市场的激励或抑制作用。此外，该数据还被用作核心输入，训练预测特定残疾等级人群未来福利需求的时间序列模型，产生了若干发表于公共管理领域权威期刊的实证研究案例，有效推动了证据驱动的社会救助体系改革进程。

数据集最近研究

最新研究方向

该数据集聚焦于法国省级层面成年残障人士津贴（AAH）受助者按残疾程度与年龄的分布结构，其最新研究方向在于利用跨年度纵向数据（2016年起）揭示津贴覆盖人口的社会经济学特征演变规律。伴随法国残障权益保障政策持续完善，特别是近年围绕AAH资格条件与贫困陷阱的社会辩论，该数据集为分析不同残疾等级、年龄层受助者的津贴依赖程度与生活水平提供了关键证据。研究者可结合区域就业率、公共服务可及性等指标，挖掘省级差异背后的结构性不平等，进而评估现行福利制度在缓解残障群体经济脆弱性方面的实际效能，为政策调整提供数据驱动的决策支撑。