CHARLS|老龄化研究数据集|健康调查数据集
收藏
- CHARLS数据集首次发布,旨在收集中国中老年人口的健康、经济和社会数据,为政策制定提供科学依据。
- CHARLS第二波数据收集完成,进一步扩展了样本规模和数据维度,涵盖更多社会经济和健康指标。
- CHARLS数据集首次应用于国际学术研究,多篇论文在国际顶级期刊上发表,提升了其国际影响力。
- CHARLS第三波数据收集完成,引入了新的调查工具和技术,提高了数据质量和深度。
- CHARLS第四波数据收集完成,继续深化对中国中老年人口的研究,为应对老龄化社会提供了重要数据支持。
- 1The China Health and Retirement Longitudinal Study (CHARLS): Project OverviewPeking University · 2013年
- 2The China Health and Retirement Longitudinal Study: A Longitudinal Study of Health, Retirement, and AgingNational Bureau of Economic Research · 2014年
- 3Health, Economic Status, and Retirement in China: Evidence from the China Health and Retirement Longitudinal StudyUniversity of Southern California · 2018年
- 4The Impact of Health on Labor Force Participation in China: Evidence from the China Health and Retirement Longitudinal StudyUniversity of International Business and Economics · 2019年
- 5Health and Retirement in China: Evidence from the China Health and Retirement Longitudinal StudyUniversity of California, Berkeley · 2020年
Figshare
Figshare是一个在线数据共享平台,允许研究人员上传和共享各种类型的研究成果,包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。
figshare.com 收录
中国区域交通网络数据集
该数据集包含中国各区域的交通网络信息,包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。
data.stats.gov.cn 收录
AIS数据集
该研究使用了多个公开的AIS数据集,这些数据集经过过滤、清理和统计分析。数据集涵盖了多种类型的船舶,并提供了关于船舶位置、速度和航向的关键信息。数据集包括来自19,185艘船舶的AIS消息,总计约6.4亿条记录。
github 收录
中国1km分辨率逐月平均气温数据集(1901-2024)
该数据为中国逐月平均温度数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2024.12。数据格式为NETCDF,即.nc格式。数据单位为0.1 ℃。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
BBT-FinCorpus
BBT-FinCorpus是由上海数据科学重点实验室创建的大型中文金融领域数据集,包含约300GB的原始文本,来源于金融新闻、公司公告、研究报告和社交媒体等四个不同渠道。该数据集的创建旨在丰富金融领域的文本多样性,支持金融预训练语言模型的开发。通过精细的收集和处理,BBT-FinCorpus覆盖了金融NLP任务中的主要文本类型,为金融领域的语言理解和生成任务提供了丰富的数据资源。该数据集的应用领域广泛,特别适用于金融信息提取、情感分析等任务,旨在提升中文金融NLP的整体水平。
arXiv 收录