five

China Family Panel Studies (CFPS)|家庭追踪调查数据集|社会变迁数据集

收藏
DataCite Commons2025-04-01 更新2024-07-13 收录
家庭追踪调查
社会变迁
下载链接:
http://opendata.pku.edu.cn/citation?persistentId=doi:10.18170/DVN/45LCSO
下载链接
链接失效反馈
资源简介:
Please visit CFPS official data platform to download the newest data, WeChat official account of CFPS: ISSS_CFPS. The CFPS 2010 baseline survey conducted face-to-face interviews with the sampled households’ family members who live in the sample communities. It also interviewed those family members who were elsewhere in the same county. For those who were not present at home at the time of interview, basic information was collected from their family members at presence. All family members who had blood/marital/adoptive ties with the household were identified as permanent respondents. Prospective family members including new-borns and adopted children.
提供机构:
Peking University Open Research Data Platform
创建时间:
2015-12-25
AI搜集汇总
数据集介绍
main_image_url
构建方式
China Family Panel Studies (CFPS) 数据集的构建基于对中国家庭的多层次、多维度的长期追踪调查。该数据集通过系统性的问卷设计,涵盖了家庭成员的基本信息、经济状况、教育背景、健康状况等多个方面。调查采用分层随机抽样的方法,确保样本的代表性和广泛性。数据收集过程中,严格遵循科学研究伦理,确保受访者的隐私和数据的安全性。
特点
CFPS 数据集以其全面性和深度著称,提供了丰富的家庭和社会经济变量,为研究者提供了详尽的数据支持。该数据集具有高度的可比性和连续性,能够追踪家庭和个体在不同时间点的变化。此外,CFPS 数据集还包含了大量的微观数据,使得研究者能够进行精细化的分析和模型构建。
使用方法
CFPS 数据集的使用方法多样,适用于社会学、经济学、人口学等多个领域的研究。研究者可以通过数据集中的变量进行描述性统计分析、回归分析、时间序列分析等。在使用过程中,研究者需遵循数据使用协议,确保数据的合法和道德使用。此外,CFPS 数据集还提供了详细的数据字典和使用指南,帮助研究者快速上手和有效利用数据。
背景与挑战
背景概述
中国家庭追踪调查(China Family Panel Studies, CFPS)是由北京大学中国社会科学调查中心(ISSS)主导的一项全国性、综合性的社会追踪调查项目。自2010年启动以来,CFPS旨在通过收集家庭、个人及其成员的多维度数据,深入了解中国社会经济变迁及其对家庭和个人生活的影响。该项目不仅涵盖了经济、教育、健康等多个领域,还特别关注了城乡差异、社会流动等关键社会问题。CFPS的数据已成为研究中国社会变迁的重要资源,为政策制定和学术研究提供了宝贵的实证依据。
当前挑战
尽管CFPS在数据收集和分析方面取得了显著成就,但其面临的挑战同样不容忽视。首先,数据的质量控制是一个持续的挑战,尤其是在涉及多轮追踪调查时,确保数据的连贯性和准确性至关重要。其次,数据隐私和安全问题也是CFPS必须面对的难题,如何在保护受访者隐私的同时,提供高质量的开放数据,是一个需要平衡的课题。此外,CFPS数据的复杂性和多样性,对数据分析工具和方法提出了更高的要求,研究人员需要不断更新和优化分析技术,以充分挖掘数据中的潜在价值。
发展历史
创建时间与更新
China Family Panel Studies (CFPS) 数据集创建于2010年,首次调查于2010年进行,随后每两年进行一次更新,最近一次更新是在2020年。
重要里程碑
CFPS数据集的重要里程碑包括2010年的首次调查,这标志着中国家庭研究进入了一个新的阶段。2012年的第二次调查进一步丰富了数据内容,涵盖了更多社会经济变量。2014年的第三次调查引入了更多关于健康和教育的详细信息,提升了数据集的全面性。2016年和2018年的调查继续深化了数据集的广度和深度,而2020年的最新更新则反映了近年来社会经济变化的新趋势。
当前发展情况
当前,CFPS数据集已成为中国社会科学研究的重要资源,广泛应用于经济学、社会学、人口学等多个领域。其持续的更新和扩展不仅为学者提供了丰富的数据支持,也推动了相关领域的理论和实证研究。CFPS数据集的开放性和高质量数据收集方法,使其在国际上也获得了广泛认可,成为中国社会科学研究走向世界的重要桥梁。
发展历程
  • 中国家庭追踪调查(China Family Panel Studies, CFPS)首次启动,旨在收集中国家庭的社会、经济和人口统计数据。
    2010年
  • CFPS发布了第一轮调查数据,涵盖了全国25个省市的14960户家庭。
    2012年
  • CFPS进行了第二轮调查,进一步扩展了数据收集范围,增加了对家庭成员健康状况的调查。
    2014年
  • CFPS发布了第二轮调查数据,数据集包括了超过35000个家庭成员的信息。
    2016年
  • CFPS进行了第三轮调查,引入了更多关于家庭经济状况和教育背景的详细问题。
    2018年
  • CFPS发布了第三轮调查数据,数据集规模进一步扩大,涵盖了更多社会经济指标。
    2020年
常用场景
经典使用场景
在中国社会科学研究领域,China Family Panel Studies (CFPS) 数据集被广泛用于分析家庭结构、社会流动、教育与健康等多个方面。该数据集通过长期追踪调查,提供了丰富的家庭和个人层面的数据,使得研究者能够深入探讨社会变迁对家庭和个人生活的影响。例如,CFPS 数据集常用于研究教育投资对个人收入的影响,以及家庭结构变化对儿童成长环境的影响。
解决学术问题
CFPS 数据集解决了中国社会科学研究中长期存在的数据不足和代表性问题。通过大规模、多层次的调查,CFPS 提供了高质量的微观数据,使得研究者能够进行更为精确和全面的分析。这不仅有助于揭示中国社会内部的复杂关系,还为政策制定提供了科学依据。例如,CFPS 数据集在研究收入不平等问题时,提供了详尽的家庭收入和支出数据,帮助学者们更准确地评估社会福利政策的效果。
衍生相关工作
CFPS 数据集的发布和应用催生了一系列相关研究工作。许多学者基于 CFPS 数据集开展了关于社会流动、家庭变迁、健康与福祉等方面的深入研究,发表了大量高质量的学术论文。例如,有研究利用 CFPS 数据集探讨了中国农村和城市之间的教育资源差异及其对社会流动的影响,为理解中国社会结构提供了新的视角。此外,CFPS 数据集还激发了跨学科研究,如经济学、社会学和公共卫生学等领域的学者共同利用该数据集进行合作研究,推动了多学科交叉融合。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国知识产权局专利数据库

该数据集包含了中国知识产权局发布的专利信息,涵盖了专利的申请、授权、转让等详细记录。数据内容包括专利号、申请人、发明人、申请日期、授权日期、专利摘要等。

www.cnipa.gov.cn 收录

Materials Project

材料项目是一组标有不同属性的化合物。数据集链接: MP 2018.6.1(69,239 个材料) MP 2019.4.1(133,420 个材料)

OpenDataLab 收录

Beijing Traffic

The Beijing Traffic Dataset collects traffic speeds at 5-minute granularity for 3126 roadway segments in Beijing between 2022/05/12 and 2022/07/25.

Papers with Code 收录

Amazon Product Data

该数据集包含亚马逊产品的详细信息,包括产品规格、价格、折扣、客户评价和用户评分等字段。

github 收录

Obstacle-dataset OD

该数据集用于十五种障碍物检测,包含VOC格式和YOLO训练的.txt文件,数据集中的图像来自VOC数据集、COCO数据集、TT100K数据集以及作者团队实地收集的图片。

github 收录