CFPS数据处理:少儿代答库与成人库匹配

发布时间:2022-02-26 阅读 8079

Stata连享会   主页 || 视频 || 推文 || 知乎 || Bilibili 站

温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。

New! lianxh 命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc, ihelp, rdbalance, gitee, installpkg

课程详情 https://gitee.com/lianxh/Course

课程主页 https://gitee.com/lianxh/Course

⛳ Stata 系列推文:

PDF下载 - 推文合集

作者:周小强 (中南财经政法大学)
邮箱zhouxiaoqiang1017@163.com


目录


1. 引言

本文主要有两个目标:

  • 第一,将 CFPS 少儿代答库与成人库进行匹配;
  • 第二,围绕子女数量计算一些在未来研究中可能用到的变量,如成年子女数量、未成年子女数量、男孩数量、女孩数量、 0-3 岁子女数量等。

本文后续将围绕上述两个目标展开,并以 2018 年 CFPS 数据为例展示相关过程。

2. 数据获取

读者可自行前往「CFPS 数据平台」「北京大学开放研究数据平台」,依步骤注册账号、下载数据。详细的数据介绍可在「CFPS 官网」查看。

3. 匹配思路

在介绍匹配思路前,先对 CFPS 数据库作简单介绍。2018 年 CFPS 数据库包含五个子库,分别是个人库、家庭成员库、家庭经济库、跨年核心变量库和少儿家长代答库。其中,家庭成员库包含所有个体 (含儿童) 及其对应子女 (如果有子女) 的 ID 信息,部分变量布局如下:

. use cfps2018famconf_202008, clear
. des pid*

Variable      Storage   Display    Value
    name         type    format    label      Variable label
-------------------------------------------------------------
pid             double  %20.0g                个人样本编码
pid_a_c1        double  %12.0g     pid_a_c1   孩子1样本编码
pid_a_c2        double  %12.0g     pid_a_c2   孩子2样本编码
pid_a_c3        double  %12.0g     pid_a_c3   孩子3样本编码
pid_a_c4        double  %12.0g     pid_a_c4   孩子4样本编码
pid_a_c5        double  %12.0g     pid_a_c5   孩子5样本编码
pid_a_c6        double  %12.0g     pid_a_c6   孩子6样本编码
pid_a_c7        double  %12.0g     pid_a_c7   孩子7样本编码
pid_a_c8        double  %12.0g     pid_a_c8   孩子8样本编码
pid_a_c9        double  %12.0g     pid_a_c9   孩子9样本编码
pid_a_c10       double  %12.0g     pid_a_c10  孩子10样本编码

其中,少儿代答库包含了所有 0-15 岁少儿的家长代答数据,每个被访问到的孩子为一行,以 pid 标识。个人库收录了 10 岁及以上受访者的个人信息,如性别、年龄等。本文使用家庭成员库、少儿家长代答库和个人库来匹配少儿代答与成人数据。具体思路如下:

  • 将家庭成员库作为 master data,少儿代答库和个人库作为 using data;
  • 用家庭成员库中每个孩子的样本编码与少儿代答库中的 pid 进行匹配。若孩子 i 的样本编码能够与少儿代答库中的 pid 配对,则说明孩子 i 存在代答信息;
  • 因为家庭成员库中设有 10 个孩子的样本编码,故需循环匹配 10 次。需要说明的是,在每次匹配后要删除 _merge=2 的样本,这主要是为了保证每次匹配时 master data 的样本量相同;
  • 使用 pid 作为匹配变量,对个人库进行匹配;
  • 删除年龄小于 18 岁的个体,即得到成人与少儿代答相匹配的数据。

4. 匹配步骤

首先,依据「CFPS 数据平台」提供的少儿代答库,使用 forvalues 命令生成 10 个子数据集,以便后续匹配使用。

. * 生成 10 个少儿代答库子集
. forvalues i = 1(1)10{
  2.     use cfps2018childproxy_202012, clear //导入少儿家长代答数据库
  3.     keep pid wb202 wb203         //保留需要的少儿信息, 如果还需要其他信息, 可根据需要进行保留
  4.     renvars _all, postfix(_`i')  //给所有的变量加后缀
  5.     rename pid_`i' pid_a_c`i'    //变量重命名, 以保证匹配变量在 master 和 using 中一致
  6.     save child`i', replace        
  7. }

然后,将家庭成员库作为 master data,少儿代答库作为 using data 进行匹配。

. * 匹配少儿代答与成人库
. use cfps2018famconf_202008, clear          //导入家庭成员数据库
. forvalues i= 1(1)10{
  2.     merge m:1 pid_a_c`i' using child`i' //因家庭成员库有父亲和母亲, 对应孩子编码有重复, 故使用多对一匹配
  3.     drop if _merge == 2
  4.     drop _merge
  5. }

其次,使用 pid 作为匹配变量,对个人库进行匹配。从结果来看,有 37354 个样本匹配成功,这与官方提供的数据清理报告显示的个人库样本量完全一致。其余样本未匹配成功主要是因为家庭成员库包含了所有的受访者,而个人库只包含了 10 岁及以上的受访者。

. merge 1:1 pid using cfps2018person_202012, force  //匹配个人库

    Result                      Number of obs
    -----------------------------------------
    Not matched                        21,150
        from master                    21,150  (_merge==1)
        from using                          0  (_merge==2)
    Matched                            37,354  (_merge==3)
    -----------------------------------------

最后,删除年龄在 18 岁以下的样本,即得到成人与少儿代答匹配的数据。

. drop if age < 18

5. 变量计算

接下来,围绕子女数量计算一些在未来研究中可能会用到的变量。

子女数量:家庭成员库提供了个体对应的每个子女 (如果有子女) 的样本编码,如变量 pid_a_c1 表示第 1 个子女的样本编码。若该变量有对应的编码,则表示个体有第 1 个孩子,若该变量取值 -8 (不适用) 或 77,则表示个体没有第 1 个孩子。据此,可通过如下代码计算每个受访者的子女数量。

. * 成年个体的子女数量
. forvalues i = 1(1)10{   
  2.     gen xx`i' = 0 if pid_a_c`i' == -8 | pid_a_c`i' == 77      //若不存在, 则 x`i' = 0
  3.     replace xx`i' = 1 if pid_a_c`i' != -8 & pid_a_c`i' != 77  //若存在, 则 x`i' = 1
  4. }
. egen childnumber = rowtotal(xx*)  //子女数量, childnumber = 0 表示没有子女

子女中男孩和女孩数量:家庭成员库提供了每个子女的性别,如变量 tb2_a_c1 表示个体的第 1 个孩子的性别,取值 1 表示第 1 个孩子是男孩,取值 0 表示第 1 个孩子是女孩。据此,我们可以根据该变量来计算男孩和女孩的数量。

. * 分性别计算子女数量
. egen malechildnumber = anycount(tb2_a_c*), v(1)    //男孩数量
. egen femalechildnumber = anycount(tb2_a_c*), v(0)  //女孩数量

成年子女和未成年子女数量:家庭成员库提供了每个子女的出生年份变量,如 tb1y_a_c1 表示第 1 个子女的出生年份。此处主要是根据每个子女的出生年份来进行计算,具体代码如下:


. * 计算成年子女和未成年子女数量
. forvalues i = 1(1)10{
  2.     replace tb1y_a_c`i' = . if tb1y_a_c`i' <0  //将孩子 i 出生年份小于 0 的值处理成缺失值
  3.     gen tb1y_a_c`i'`i' = 2018 - tb1y_a_c`i'    //计算子女 i 年龄
  4.     gen adult`i' = 1 if tb1y_a_c`i'`i' >17 & tb1y_a_c`i'`i'!=. 
  .      //adult`i' = 1 表示第 i 个子女的年龄大于 17 岁, 成年人
  5.     replace adult`i' = 0 if tb1y_a_c`i'`i' <18 &tb1y_a_c`i'`i'!=.        
  .      //adult`i' = 0 表示第 i 个子女的年龄小于 18 岁, 未成年
  6.     gen maleadultchild`i' = 1 if tb1y_a_c`i'`i' >17 & tb2_a_c`i' ==1 
  7.     //maleadultchild`i' = 1 表示第 i 个子女为男性成年子女
. }
. egen adultchildnumber = anycount(adult*), v(1)    //成年子女数量
. egen unadultchildnumber = anycount(adult*), v(0)  //未成年子女数量

成年子女中男性与女性的数量:先根据出生年份和性别计算成年子女中男性的数量,再用成年子女数量减去男性数量,即可得到成年子女中女性数量。

. * 成年子女中男性与女性的数量
. egen maleadultchildnumber = anycount(maleadultchild*), v(1)          //成年子女中男性的数量
. gen femaleaultchildnumber = adultchildnumber - maleadultchildnumber  //成年子女中女性的数量

0-3 岁子女数量:主要根据出生年份和性别计算。

. forvalues i = 1(1)10{
  2. replace tb1y_a_c`i' = . if tb1y_a_c`i' < 0                      //将出生年份小于 0 的值处理成缺失值
  3. gen child0_3`i' = 1 if tb1y_a_c`i'`i' > 3 & tb1y_a_c`i'`i' !=.  //adult`i'=1 表示第 i 个子女的年龄大于 3 岁
  4. replace child0_3`i' = 0 if tb1y_a_c`i'`i' < 4 & tb1y_a_c`i'`i' !=.  //adult`i'=0 表示第 i 个子女的年龄小于4岁
  5. }
. egen childnumber_0_3 = anycount(child0_3*),v(0)  //0-3岁子女数量

需要说明的是,由于部分变量取值缺失等原因,不同计算口径下的结果可能并不一致。例如,若数据库中报告了每个子女的 ID 信息,但部分子女的性别信息有缺失,那么根据子女 ID 信息计算的子女数量与根据子女性别计算出的子女数量会有所差异。因此,建议尽量采用统一标准计算,但思路可参考本文。

6. 相关推文

Note:产生如下推文列表的 Stata 命令为:
lianxh cfps 合并 egen, m
安装最新版 lianxh 命令:
ssc install lianxh, replace

相关课程

免费公开课

最新课程-直播课

专题 嘉宾 直播/回看视频
最新专题 文本分析、机器学习、效率专题、生存分析等
研究设计 连玉君 我的特斯拉-实证研究设计-幻灯片-
面板模型 连玉君 动态面板模型-幻灯片-
面板模型 连玉君 直击面板数据模型 [免费公开课,2小时]
  • Note: 部分课程的资料,PPT 等可以前往 连享会-直播课 主页查看,下载。

课程主页

课程主页

关于我们

  • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。
  • 连享会-主页知乎专栏,700+ 推文,实证分析不再抓狂。直播间 有很多视频课程,可以随时观看。
  • 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标,输入简要关键词,以便快速呈现历史推文,获取工具软件和数据下载。常见关键词:课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法

连享会小程序:扫一扫,看推文,看视频……

扫码加入连享会微信群,提问交流更方便

✏ 连享会-常见问题解答:
https://gitee.com/lianxh/Course/wikis

New! lianxhsongbl 命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh