发帖
雷达卡
范围：全国30省（市区）；不含港澳台，重庆尚未升格为直辖市，数据并入四川
数据来源：IPUMS https://international.ipums.org/international/
原始文件为30个省（市区）人口普查1%抽样数据（SPSS格式），具有各自地区的自代表性。
我进行了如下数据清洗（及合并）工作（为保护本人的知识产权，具体步骤放在完整版的readme文件中）：
使用工具：SPSS 25 + STATA 16.1
1、统一变量
2、高低版本文件转换 存在问题的文件校正（感谢@璐宝宝提出的问题）
3、文件合并
4、添加数据标签及值标签（原始数据为英文，codebook中包含对应关系；但行业代码和职业代码是缺失的，本人查阅相关资料进行了填补，具体过程在readme文件中）
5、保存相应的.sav，转换为相应的.dta，并进行一些细节上的处理
关于缺失值：在文件中缺失值以“0”表示，可以识别的变量（没有0值定义）已进行缺失值处理；但存在部分变量本身具有0值定义，这一部分需要通过问卷跳转逻辑识别，因时间缘故没有进行。例如：“生育子女数”本身是15岁至64岁妇女填报，因此男性和15岁以下、64岁以上的妇女是不应该存在数据的，在SPSS数据文件中以0表示；但要注意的是15岁至64岁妇女如果从未生育，此时填报仍为“0”，要进行区分。这一部分请根据研究目的自行清洗。
原始数据在国外数据库是公开的，只需要申请。为方便大家我这里提供搬运版，仅收取辛苦费意思一下。完整版包含原始数据（不需要重复购买），清洗过程说明、中间文件和代码，最终全国层面的数据集（SPSS+STATA版本），样本观测值共11,835,947个，与官方保持一致，可直接使用。具体包含的变量及含义详见One Percent Sample of 1990 Census codebook.xls和第四次全国人口普查表填写说明.pdf。
按照原来的想法，主要是分享本人的数据清洗过程，原始数据仅提供搬运版。也就是说原始数据我得到的是什么样，分享出来的就是什么样子的，因此只有.sav格式的，对于部分文件可能存在的问题，本人概不负责。有需要售后或者数据清洗过程中探讨交流的朋友，请直接购买完整版，谢谢合作。
6.3更新：
1、因@璐宝宝提出样本量差异问题，经过反复检查，确认为原始数据中的Zhejiang.sav文件存在问题（并非或不仅仅是高低版本兼容问题）。根据官方相应的文本型数据文件（.DAT）进行转换，修正后样本容量一致。
前期没有注意到这个问题，深表歉意，因此将转换后的Zhejiang.sav及原始.DAT文件免费附赠在【原始数据】版中（完整版已经包含）。
2、增加了一些清洗的细节说明。
已经购买的朋友可以通过原链接免费获取新的版本。
相比网上已有资料，本次数据集具有以下优点：
1、来源、过程可查，上传了相应的MD5码，任何人都可以通过IPUMS网站申请原始数据，对比MD5码，不存在篡改的风险。
2、根据已有资料进行了数据标签和值标签的填补，可读性大大增强。
3、提供不同版本的数据文件，真正做到到手即用（除部分缺失值还需要自行清洗）。
完整版包含内容（2021/06/03更新）：
原始数据包含内容（此外，附赠校验后的Zhejiang.sav及原始DAT文件）：
京公网安备 11010802022788号
