(最新整理)2015年全国人口1%抽样调查微观数据

数据下载地址

点击这里下载数据

数据指标说明

2015年全国1%人口抽样调查以全国为总体,以各地级市(地区、盟、州) 为子总体,采取分层、二阶段、概率比例、整群抽样方法,在全国31个省、自治区、直辖市中抽取了2977个县(市、区),33671个乡 (镇、街道),85365个村 (居) 委会的89147个调查小区。共调查登记常住人口2131万人,占全国总人口的1.55%。

2015年全国人口1%抽样调查各地个体微观数据精确到个人区县2015年全国人口1%抽样数据

2015年为统计局的137w样本量版本。2015年的数据全网拥有的人很少,通过这份数据可以做一些截止到2015年的研究,非常难得。

数据来源:census

提供多个版本的组合,方便您各种场合和数据分析软件的应用:其中,

dta格式是stata软件的版本,spss也能导入应用。csv_dta格式csv、dta两个版本的打包压缩文件数据包。

在这里插入图片描述
2015年全国1%普查抽样调查个人微观数据census2015_origin

M1 strL %9s 区

M2 strL %9s 省地县码

M3 double %10.0g 户人数

M7 str1 %9s 您的住户类型

M8 str1 %9s 您家的住房类型

M9 double %10.0g 您家住房的建筑面积(平方米)

M10 double %10.0g 您的住房间数 (间)

M11 str1 %9s 您家住房所在的建筑物一共有多少层?

M12 str1 %9s 您家住房的建成年代

M13 str1 %9s 您家住房内有无厨房

M14 str1 %9s 您家住房内有无厕所

M15 str1 %9s 您家住房的来源

M16 str1 %9s 您家拥有家用汽车的情况

M33 str1 %9s 与户主关系

M34 str1 %9s 性别

M35 double %10.0g 出生年

M36 double %10.0g 出生月

M37 str2 %9s 民族

M38 str1 %9s 户口登记地址

M39 str12 %12s 户口登记地址与本户现住房地址不同(填省地县码)

M40 str1 %9s 调查时点居住地址

M41 str6 %9s 其他地区(填写省地县码)

M42 str1 %9s 在本市居住时间

M43 str1 %9s 离开户口登记地的时间

M44 str1 %9s 离开户口登记地的原因

M45 str1 %9s 是否有农村土地承包权

M46 str1 %9s 一年前常住地

M47 str12 %12s 其他地区(填省地县码)

M48 str1 %9s 五年前常住地

M49 str6 %9s 其他地区(填省地县码)

M50 str1 %9s 是否识字

M51 str1 %9s 受教育程度

M52 str1 %9s 学业完成情况

M53 str1 %9s 上周工作情况

M56 strL %9s 行业代码

M57 strL %9s 本人从事的具体工作

M58 strL %9s 工作代码

M59 str1 %9s 工作地点

M60 str9 %9s 本市其他街道(乡、镇)(填省地县码)

M61 str1 %9s 前往工作地所乘主要交通工具

M62 double %10.0g 前往工作地所需时间

M63 str1 %9s 未工作原因

M64 str1 %9s 三个月内是否找过工作

M65 str1 %9s 如果有合适的工作,能否在两周内开始工作

M66 str1 %9s 参加社会养老保险的情况

M67 str1 %9s 参加社会医疗保险的情况

M68 str1 %9s 婚姻状况

M69 str1 %9s 夫妇为独生子女情况

M70 str1 %9s 生育子女数

M71 double %10.0g 生过几个男孩

M72 double %10.0g 生过几个女孩

M73 double %10.0g 其中现在存活几个男孩

M74 double %10.0g 其中现在存活几个女孩

M75 str1 %9s 过去一年(2014年11月1日至2015年10月31日期间)的生育情况

M76 double %10.0g 生育时间

M77 str1 %9s 婴儿性别

M78 double %10.0g 一年内有两次生育或生育多胞胎的,请填报其他孩子的生育时间

M79 str1 %9s 一年内有两次生育或生育多胞胎的,请填报其他孩子的性别

M82 str1 %9s 60周岁及以上老人主要生活来源

M83 str1 %9s 60周岁及以上老人身体健康状况

项目备注

本资源部分自主研发,部分来源于网络。
来源于网络的资源版权归出版社或原作者所有,仅供学习,请勿用于商业。

数据下载地址

点击这里下载数据

整理微观数据需要对数据进行清洗、转换和整合等处理。对于中国家庭追踪调查(China Family Panel Studies,简称CFPS)的微观数据,你可以使用R语言中的各种数据处理包和函数来完成这些任务。 下面是一个基本的示例,演示了如何使用R语言整理CFPS微观数据: 1. 导入所需的包: ```R library(readr) # 用于读取数据 library(dplyr) # 用于数据处理和转换 ``` 2. 读取CFPS数据文件(通常是以CSV或其他格式存储的数据文件): ```R data <- read_csv("cfps_data.csv") # 根据实际文件名和路径进行修改 ``` 3. 数据清洗和转换,根据需要进行选择、筛选和重命名等操作: ```R # 选择需要的变量 data_select <- data %>% select(variable1, variable2, variable3) # 根据条件筛选观察单位 data_filter <- data %>% filter(variable > 100) # 重命名变量名 data_rename <- data %>% rename(new_variable = old_variable) ``` 4. 数据整合和合并,如果需要将多个数据文件整合在一起: ```R # 合并两个数据框 merged_data <- merge(data1, data2, by = "id") # 按照某个共同的变量进行连接 joined_data <- left_join(data1, data2, by = "id") ``` 5. 数据导出,将整理好的数据保存为新的数据文件: ```R write_csv(data, "cleaned_data.csv") # 根据实际文件名和路径进行修改 ``` 需要根据具体情况进行适当的调整和扩展。CFPS数据通常包含多个变量和复杂的数据结构,因此你可能需要使用更多的数据处理和转换技巧来满足特定的需求。R语言提供了丰富的数据处理包和函数,如dplyr、tidyr等,可以帮助你更高效地整理和处理CFPS微观数据
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Android安卓科研室

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值