除了CFPS，还有哪些宝藏微观调查数据？CHFS、CHARLS等国内数据库横向对比

国内五大微观调查数据库深度横评：CHFS、CHARLS、CFPS等如何选？

当我们需要研究中国家庭金融行为、老龄化趋势或教育代际流动时，手里握着的问卷设计稿往往面临一个现实问题：自建样本成本高、周期长，且难以保证全国代表性。这时，成熟的微观调查数据库就成了破局关键。但面对CFPS、CHFS、CHARLS这些专业缩写，很多研究者就像站在自助餐厅里——选择很多，却不确定哪道菜最对胃口。

1. 主流数据库全景扫描

国内持续运营的微观调查项目主要分为三类：综合型、专题型和区域型。其中综合型数据库覆盖变量最广，适合多学科交叉研究；专题型则在特定领域变量采集上更具深度；区域型则聚焦地方特色。我们重点对比五个全国性项目：

提示：CHIP虽然历史最悠久，但非年度调查，最新公开数据为2018年第七轮

这些数据库的共性在于都采用多阶段分层抽样，样本量基本在1-3万户之间。但具体到使用场景，差异可能比想象中更大。比如研究数字金融对农村家庭的影响，CHFS的金融变量丰富度就明显优于CFPS；而分析代际照护对老人健康的影响，CHARLS的体检数据和用药记录则是独门武器。

2. 核心变量深度对比

2.1 家庭经济模块

CHFS在金融变量上的优势体现在三个层面：

• 资产负债表级精度：区分11类金融资产（含P2P、数字货币等新兴品类）
• 动态追踪机制：记录股票、基金等高频变动资产的历史操作
• 主观态度测量：包含风险偏好、金融素养等心理指标

// CHFS典型金融变量示例 hhid // 家庭编号 fin_asset_total // 金融资产总额 fin_a1 // 现金与活期存款 fin_a6 // 股票市值 risk_preference // 风险偏好(1-5级)

相比之下，CFPS的经济模块更侧重收支结构，适合研究消费分层；而CHIP则长于隐性收入测算，其补贴、福利等非工资收入项目细分程度最高。

2.2 健康老龄模块

CHARLS的医疗数据采集堪称行业标杆：

1. 客观指标：血压、肺功能、握力等13项体检数据
2. 就医行为：门诊/住院记录精确到ICD-10编码
3. 生物样本：部分轮次包含血液、唾液检测数据

健康变量对比表：

2.3 教育与社会流动

CFPS的教育模块优势在于：

• 覆盖从学前教育到成人教育的全周期记录
• 包含课外辅导支出等"影子教育"指标
• 2018年起新增教育代际流动专题问卷

而CLDS则聚焦劳动力市场中的教育回报率，其工作史模块能还原完整的职业发展路径，特别适合研究"学历贬值"等热点问题。

3. 数据获取实操指南

3.1 申请流程差异

各数据库的开放政策形似而神异：

• CFPS：北大开放平台注册即下，但需签署保密协议
• CHARLS：需提交研究计划，审核周期约2周
• CHFS：分公开版和受限版，后者含敏感地理信息

注意：CHFS的金融资产明细变量属于受限数据，需额外伦理审查

3.2 数据清洗要点

微观调查数据的常见"坑点"包括：

1. 缺失值编码混乱：-1表示拒绝回答，-2表示不适用，-8表示不知道
2. 样本权重复杂：CFPS有跨年追踪权重，CHARLS有城乡分层权重
3. 变量名版本差异：CHFS2017年后金融变量前缀从"fin"改为"finance"

# 处理缺失值的推荐方式 library(haven) df <- read_dta("CHFS2019.dta") %>% mutate(across(where(is.numeric), ~na_if(., -1))) %>% mutate(across(where(is.numeric), ~na_if(., -2)))

3.3 学术引用规范

主流数据库都要求论文中注明数据版本：

• CFPS："数据来源于北京大学中国社会科学调查中心"
• CHARLS："感谢CHARLS团队提供数据支持"
• CHFS：需额外注明基金项目编号

4. 研究场景匹配策略

4.1 家庭金融研究优选方案

对于P2P暴雷对家庭资产结构的影响研究：

• 核心数据库：CHFS（含网贷专项模块）
• 辅助数据：CFPS（补充消费行为数据）
• 关键变量：
  • fin_a11（网络借贷余额）
  • consum_emergency（应急消费能力）
  • risk_attitude（风险态度变化）

4.2 老龄化研究组合拳

研究社区养老服务对健康的影响：

1. 主数据库：CHARLS（含社区设施问卷）
2. 匹配数据：CLDS（补充护理人员就业数据）
3. 分析技巧：使用CHARLS的GPS模糊定位匹配社区POI数据

4.3 教育代际流动创新思路

突破传统问卷限制的三种方法：

• CFPS+CHIP：用CHIP的历史数据构建父辈收入指标
• CHARLS回溯：利用"人生史"问卷重建教育历程
• CLDS工作史：分析第一学历与职业晋升的关联性

5. 前沿扩展与创新应用

微观调查数据的价值不仅在于原始变量，更在于与其他数据的融合创新。比如：

• 空间分析：将CHARLS的县域代码与夜间灯光数据匹配
• 文本挖掘：对CFPS的开放题进行情感分析
• 机器学习：用CHFS数据训练家庭财务风险预测模型

最近值得关注的趋势是各数据库开始提供API接口。例如CFPS的R语言包cfpsr可以直接从GitHub调用数据，避免了本地存储压力。而CHFS2021年推出的"数据实验室"模式，允许研究者在受控环境中使用包含精确地理编码的敏感数据。

微观数据的使用就像拼乐高——同样的积木块，不同研究者能搭建出完全不同的学术大厦。关键在于先想清楚自己要研究什么故事，再选择最适合讲这个故事的数据工具包。