发帖
雷达卡
资料名称： 北京大学中国家庭追踪调查 CFPS 问卷、用户文档与公开数据申请资源。
可取得内容： 2010—2022 年问卷内容汇总、各轮调查问卷及数据说明，另有官方数据申请入口。
使用条件： 问卷和说明可在官网查阅，微观数据通过官方平台注册申请；本帖不转存调查数据。
机构与资料形式： 北京大学中国社会科学调查中心；问卷目录、用户文档和申请平台。
适用任务： 选轮次、核变量含义，以及组织个人或家庭层面的跨轮研究。
CFPS 同时追踪个人和家庭，跨年研究首先要选定分析单位。研究一个人的就业变化，通常沿个人标识 pid 组织；研究家庭收入，则要结合对应轮次的家庭标识与家庭经济库。两种单位的合并规则并不相同。
中国家庭追踪调查的优势在于对个人和家庭进行持续观察，但“追踪”不意味着每一轮文件可以不经检查直接纵向堆叠。个人的家庭归属可能变化，家庭成员也可能增减。把研究单位先定为人、家庭或某类成员，才能明确希望追踪的是谁，以及每一轮需要从哪些文件取信息。
官网的历年问卷汇总适合先判断某个问题出现在哪些轮次。实际建变量时，再回到该轮问卷和代码本核对题目、选项与调查对象。相似的变量名不保证提问完全相同，换了问题表述或回答范围后，也不宜直接连成一条时间序列。
问卷汇总最适合在研究设计阶段使用。比如想研究收入与健康，应先确认相关问题出现的轮次、提问对象和回答方式，再决定时间范围。仅看某个变量名或一段他人代码，容易忽略问题是否仅向特定年龄、就业状态或访谈对象提出。把问卷条件与变量取值一起看，才能知道某条记录为何有值或没有值。
2020 年说明中，pid 用于识别个人，fid20 对应当轮家庭。跨轮家庭可能发生分户、迁移或成员变化，因此不能把某一轮 fid 当作永久不变的家庭编号。个人库、家庭成员库与家庭经济库之间也要分别确认是一对一还是多对一关系。
个人标识与家庭标识的作用不同：pid 用于连接个人记录，当轮家庭编号用于连接该轮家庭信息。以个人为主表加入家庭收入，通常需要先理解个人属于哪个家庭，再把家庭经济变量接过来；直接把不同库所有同名字段合并，可能混淆记录层级。合并关系应根据该轮数据组织来确定，而不是凭字段名字猜。
缺失值需要结合访问状态和跳转条件解释。例如“不适用”和“拒绝回答”反映不同情形，直接把负值编码都改成零，会把未被提问的人当作回答了零。先保留原编码，再按照研究变量建立缺失处理规则，比较容易追溯。
连续数值、分类选项和特殊编码也应分别处理。问卷中的“未被问到”与回答“没有”并不相同，拒答与不知道也反映不同状态。建立变量时保留原值，并另建分析变量和处理说明，可以让后续检查回到最初的问答含义，而不是面对一张已经把所有异常编码抹平的表。
资料适合做收入、教育、就业、健康与家庭研究的人使用。问卷回答“问了什么”，用户文档回答“数据怎样组织”，两者一起看，比先拼表后补口径更稳妥。
本帖整理的是资料入口和匹配思路，不是替读者预先合并好的 CFPS 面板。它适合用来缩小所需轮次、定位用户文档，并形成变量对照表。正式数据申请、可用文件与使用范围仍通过官方流程确认；拿到数据后，再按照具体研究对象决定样本、权重和纵向匹配方法。
跨轮调查中，同名变量未必始终对应同一道问题。问卷措辞、回答对象和选项范围发生变化，都可能影响可比性。准备面板时，应先核对问卷与变量说明，再决定哪些年份能够使用统一定义；不能仅凭列名相同就直接纵向合并。家庭层面变量和个人层面变量的关联，也需要明确使用哪一种标识。
调查中的缺失还可能对应不同情况，例如题目不适用、受访者拒答或该轮没有提问。若统一处理成零，会改变收入、健康或教育等指标的分布。问卷资料的价值就在于帮助解释这些编码。将数据申请、问卷阅读、变量匹配和研究样本定义按顺序完成，可以减少后期发现口径不一致时重新整理整张面板的成本。
────────────────
回复本帖即可查看以下内容
下面是帖子的相关资料的获取以及相关的内容说明，内容包含：CFPS 历年问卷、2020 用户文档、数据申请与跨轮匹配说明。
京公网安备 11010802022788号
