中国主要微观经济大数据大数据库
把握形势划出重点,加快构建新发展格局
2020中国发展观察宏观把握形势划出重点，加快构建新发展格局本刊记者 高妍蕊12月16日，一年一度的中央经济工作会议在北京召开。
会议总结2020年经济工作，在分析研判当前形势的基础上，为明年经济工作作出部署，为“十四五”开局划出重点。
会议指出，2021年将是我国现代化建设进程中具有特殊重要性的一年，做好经济工作意义重大。
中央对当前形势做出了怎样的重大判断？如何在新冠肺炎疫情和外部环境仍存在诸多不确定性的情况下，继续牢牢把握经济工作主动权？又将做出哪些政策部署？对此，《中国发展观察》杂志邀请相关领域的专家进行了深度解读和探讨。
“十三五”圆满收官，成绩可载入史册2020可谓是惊心动魄的一年，年初新冠肺炎疫情突如其来，受此影响，一季度G D P同比下降6.8%，创下自1992年公布季度数据以来的首次负值。
随着我国对疫情的有效控制，以及中央对财政政策和货币政策的不断加码，二季度我国经济快速由负转正，恢复至3.2%的增长率，三季度进一步走高至4.9%，而四季度则有望继续回升。
中国政策科学研究会经济政策委员会副主任徐洪才说，在全球新冠肺炎疫情大流行的复杂背景下，我国成为全球唯一实现正增长的主要经济体，同时也为“十三五”规划圆满收官画上了句号。
2020年，三大攻坚战取得决定性成就，科技创新取得重大进展，改革开放实现重要突破，民生得到有力保障。
这些成绩来之不易，历经艰难险阻，在面对错综复杂的国际形势、艰巨繁重的国内改革发展稳定任务的环境下，我国取得这样的成绩是可喜可贺的。
中国国际经济交流中心经济研究部副部长、研究员刘向东表示，中国在统筹疫情防控和经济社会发展工作方面取得了重大成就。
一是中国率先实现复工复产，着力稳定住产业链供应链。
在全球疫情大流行时，作为世界工厂，中国不仅为全球提供重要防疫物资和日用商品，而且也是推动世界经济复苏的重要引擎。
二是中国在稳妥推进经济社会发展目标、努力全面建成小康社会的基础上，继续推进深化改革和全方位开放等重要任务，并在供给侧结构性改革、构建全方位开放经济体等方面取得重要进展。
探讨大数据对经济学的影响
探讨大数据对经济学的影响大数据是指在处理规模庞大、涉及多个领域的数据时所用到的技术和方法。
在过去的几年里，随着技术的进步和计算能力的提高，大数据已经成为一个重要的工具和资源，对经济学产生了深远的影响。
大数据为经济学研究提供了更多的数据来源和样本。
过去的经济学研究主要依赖于有限的数据样本和简化的模型，这限制了研究的深度和准确性。
而大数据的出现让经济学家能够处理更多、更全面、更准确的数据，从而获得更可靠的研究结果。
大数据改变了经济学研究的方法和手段。
传统的经济学研究主要基于理论推导和实证分析，这需要大量的时间和人力成本。
而大数据的应用使得经济学家能够更快速地分析数据并得出结论，从而加快了研究的进程。
大数据为经济学研究提供了更多的维度和视角。
传统的经济学研究主要关注宏观经济现象和宏观经济模型，对个体和微观经济现象的研究有限。
而大数据的出现使得经济学家能够深入研究个体行为和微观经济现象，从而提供更多细致和准确的经济分析。
大数据使得经济学研究更加包容和多样化。
传统的经济学研究主要关注经济理论的发展和验证，而大数据的应用使得经济学家能够更多地考虑其他学科的影响和因素，在经济学研究中引入更多的交叉学科内容，拓宽了研究的范围。
大数据的应用对经济政策的制定和实施产生了重要的影响。
传统的经济政策制定主要依靠计划经济和统计数据，而大数据的应用使得经济政策能够更加精准地制定和实施，从而提高了经济政策的效果和效率。
大数据对经济学产生了深远的影响。
它提供了更多的数据来源和样本，改变了研究的方法和手段，提供了更多的维度和视角，使得研究更加包容和多样化，并对经济政策的制定和实施产生了重要的影响。
随着大数据技术的不断创新和发展，其对经济学的影响将变得更加显著和重要。
2003—2013年我国大数据领域研究论文计量分析
２ ０ １ ３年 ６月 ２ ２ 日， 共 检索到期刊文献 ３ ５ １ ４
新、 竞 争 和 生 产 率 的下 一 个 前 沿 》 的 报 告 中
提出了 “ 大数 据 ” 时代 已经到来 ； ２ ０ １ ２年 ３
篇、 博 硕论 文 １ ９ ９ ９篇 、 会 议论 文 １ ４ ６篇 ， 合 计
石＼ 石 ； 石 石 ；
机 构分 布及 高 频 关 键 词 等 方 面 ， 使 用 统 计 分
析 和 可视 化 的方 法 ， 对２ ０ ０ ３年 至 ２ ０ １ ３年 以 来 国内大数 据 研 究 论 文 的 文 献增 长 、 核 心 机
石 ＼ 、 ！ 牙 、 ； ； 、 蠕 分
构 及研 究重 点 展 开 分 析 ， 在 全 面 了解 国 内有 关 大数 据研 究 现 状 的基 础 上 ， 总结 其 研 究 热 点 和发 展趋 势 。
１ 数 据来 源和研 究 方法
１ ． １ 数 据 来 源
本文 以 Ｃ Ｎ Ｋ Ｉ中 国期 刊全 文 数 据 库 、 博 硕 论文 数 据 库 和 会 议 论 文 数 据 库 为 数 据 来 源， 选定 检索 条件 为 ： 主题 ＝大数 据 ＋ｂ ｉ ｇ ｄ ａ ． ｔ ａ ， 时间限定为 ２ ０ ０ ３—２ ０ １ ３年 的数 据 ， 并 设 定“ 精确 ” 匹配 以 提 高 检 准 率 ， 统 计 时 间 为
共５ ６ ５ ９篇 文献 。
１ ． ２ 研 究 方 法
月， 美 国奥 巴马 政 府 宣 布投 入 ２亿 美 元 启 动 “ 大 数据 研 究 和 发 展 计 划 ” ， 这是继 １ ９ ９ ３年 美 国宣布 “ 信 息 高 速公 路 ” 计 划 后 的又 一 次 重 大科技 发展 部 署 ¨ Ｊ 。而 通过 对 发 文 数 量 的统 计显 示 ， ２ ０ １ １年 之 前 的 发文 数 量呈 现 缓 慢增 长态 势 ， ２ ０ １ １年 之 后 文 献 量 急 速 增 长 ， 这也 正 与上 述 提 到 的 时 间点 相 吻 合 ， 具 体 统 计 如表 １ቤተ መጻሕፍቲ ባይዱ示 。
大数据环境下微观信用机制和理论发展方向探析
大数据环境下微观信用机制和理论发展方向探析国家科技部和自然科学基金委一直高度关注大数据的研究和发展，同时也高度关注对大数据相关理论和方法的研究和应用。
微观信用问题是大数据环境下取得可靠和可信数据的基础，大数据环境下对微观信用机制和方法的研究是一个全新的领域，微观信用的机制和方法问题不仅在传统的金融领域有广泛应用，而且已经延伸到社会经济、科学研究等领域。
在这个研究中，我们将金融领域作为主要的微观信用理论研究的出发点，因为金融领域的两个核心问题——信用和风险——是互为前提、密不可分的。
我们的研究从大数据环境和金融角度入手，进行微观信用机制和方法的探讨，初步梳理了现有的微观信用机制、方法理论的贡献以及由于理论和研究方法的进步迫切需要做进一步研究的问题。
互联网的普及、信息理论和技术的广泛应用、人工智能的飞速发展，使宏观信用或者微观信用的研究领域从金融、经济层面提升到科学研究的方法层面。
基于金融领域的微观信用的机制也变得更加复杂，因此从金融的微观信用机制研究入手，面对大数据时代信息和信息技术出现的新特征和新问题，提取核心理论和1/ 19方法形成新的科学研究方法并进一步加以运用，是未来研究亟待解决的课题。
一、微观信用机制和研究方法发展述评信用，辞海的解释：信任使用;遵守诺言，实践成约，取得别人的信任;以偿还为条件的价值运动的特殊形式。
社会学的解释是信任、资信、诚信，经济学和金融学中是以偿还和付息为基本特征的借贷行为。
宏观信用主要是指对总体或全部集合的评价和价值判断，而微观信用就独立个体或部分集合作出的评价和价值判断。
一直以来，人们对信用机制和评价的研究围绕经济领域展开，特别是微观信用的评价机制主要围绕金融领域展开。
目前学术界或实业界对微观信用机制和理论的研究主要针对条件、关系因素以及在相对确定状态下的环境进行，大多是通过运筹学、回归分析、管理科学与数量经济学建立的研究模型和方法，应用的理论包括博弈理论、数据包络理论1-25以及区块链理论，且这些模型和方法仍在不断发展和完善中。
人文社科微观数据库汇总
人文社科微观数据库汇总1.引言1.1 概述概述:人文社科微观数据库是指收集、整理和存储人文社科领域中个人和个体层面的数据的数据库。
与宏观数据库不同，微观数据库注重个体和细节的数据，并且通常基于调查和实证研究的数据收集方法。
这些数据可以包括个人的个人信息、生活方式、社会关系、经济状况、教育水平、职业情况等等。
通过对这些数据的收集和分析，研究者可以更深入地理解和解释个体和社会的行为、态度和社会现象。
人文社科微观数据库在社会科学研究中起着重要的作用。
首先，它为研究者提供了详细和具体的数据，可以帮助研究者进行更准确和有针对性的分析。
比如，研究个人生活方式和健康问题时，通过微观数据库可以获得个体的运动时间、饮食结构、睡眠质量等信息，从而更好地理解生活方式与健康的关系。
其次，人文社科微观数据库也促进了学科交叉和比较研究。
通过不同领域的微观数据库的整合和对比，研究者可以发现不同领域之间的相似性和差异性，探寻共同的规律和问题，进一步推动学科发展和理论建构。
最后，人文社科微观数据库的发展也受益于信息技术的进步。
现代科技的发展使得数据的收集、存储和共享更加方便和高效。
通过互联网和人工智能的应用，人文社科微观数据库的规模和质量得到了显著提升，为研究者提供了更多的资源和工具。
总之，人文社科微观数据库在人文社科研究中具有重要的地位和作用。
它不仅提供了丰富的数据资源，还促进了学科交叉和理论建构，为解决社会问题和推动社会进步提供了有力支持。
随着技术的不断进步和数据的不断积累，人文社科微观数据库必将迎来更加广阔的发展前景。
1.2文章结构文章结构：在本文中，我们将按照以下结构来探讨人文社科领域的微观数据库汇总。
首先，引言部分将给出文章的背景和目的，以及对微观数据库的概述和作用进行简要介绍。
接下来，正文部分将重点介绍微观数据库的定义和作用，以及人文社科领域中常见的微观数据库类型和应用案例。
最后，在结论部分，我们将总结微观数据库的重要性，并探讨未来微观数据库发展的趋势。
以新一代信息技术驱动我国数字经济发展
以新一代信息技术驱动我国数字经济发展云计算、大数据、物联网、移动互联网、人工智能等新一代信息技术的发展，正加速推进全球产业分工深化和经济结构调整，重塑全球经济竞争格局。
我国应加快抓住全球信息技术和产业新一轮分化和重组的重大机遇，全力打造核心技术产业生态、进一步推动前沿技术突破、实现产业链、价值链和创新链等各环节协调发展，推动我国数字经济发展迈向新台阶。
当前，数字经济正成为驱动我国经济发展的重要力量。
统计数据显示，2017年我国数字经济总量达到27.2万亿元，占GDP比重达到32.9%。
发展数字经济,是促进经济转型升级的必由路径，也是落实网络强国战略的重要内容。
全球信息化发展呈现新趋势信息技术已经成为推动全球产业变革的核心力量，并且不断集聚创新资源与要素，与新业务形态、新商业模式互动融合，快速推动农业、工业和服务业的转型升级和变革，全新的工业经济发展模式正在到来。
当前，全球信息化进程正呈现一些新的趋势：一是全球信息技术创新日益加快。
以云计算、物联网、大数据和人工智能、区块链为代表的新一代信息技术蓬勃发展，先进计算、高速互联、智能感知等技术领域创新方兴未艾，类脑计算、深度学习、机器视觉、虚拟/增强现实乃至无人驾驶、智能制造、智慧医疗等技术及应用创新层出不穷；面向未来的新技术体系正在加速建立，竞争的焦点从单一产品转变为技术产品体系和生态体系的竞争。
伴随网络化、融合化和体系化发展，全球范围内信息领域技术与产品形态正不断创新发展，新一阶段的技术和产业演进脉络日渐清晰，并不断产生新的平台、新的模式。
二是全球信息技术产业格局进入深度调整期。
全球信息技术产业并购整合规模、频度、范围屡创新高。
半导体产业巨头纷纷投入巨资，垂直整合产业生态链中的稀缺资源和关键要素，全力打造自身在产业和技术上的竞争优势；谷歌、苹果、Facebook等公司持续并购大量人工智能、智能硬件、应用开发、平台服务等公司，传统设备、软件巨头水平整合云计算、大数据和物联网资源，抢占人工智能等新一代信息技术发展先机。
2023大数据管理与应用专业大学排名前十
2023大数据管理与应用专业大学排名前十2023大数据管理与应用专业大学排名清华大学(排名第1)、同济大学(排名第2)、国防科技大学(排名第3)、北京航空航天大学(排名第4)、天津大学(排名第5)、哈尔滨工业大学(排名第6)、上海交通大学(排名第7)、浙江大学(排名第8)、合肥工业大学(排名第9)、北京理工大学(排名第10)。
大数据管理与应用主要课程微观经济学、宏观经济学、管理学、会计学、统计学、概率论与数理统计、Python程序设计、程序设计语言、算法与数据结构、数据库原理与应用、离散数学、数据挖掘、统计分析方法、大数据创新实践、机器学习、大数据分析实训、Hadoop基础、数据采集与分析、Nosql数据库、数字化运营、数据可视化、大数据商业分析、自然语言处理、互联网理论与应用、计算机视觉、人工智能导论、大数据行业案例、Hbase数据库等。
大数据专业就业方向是什么从近几年招聘情况来看，大数据开发岗位的数量明显比较多，而且不仅需要研发型人才，也需要应用型人才，所以本科生的就业机会也比较多。
1、大数据开发方向。
所涉及的职业岗位为：大数据工程师、大数据维护工程师、大数据研发工程师、大数据架构师等;2、数据挖掘、数据分析和机器学习方向。
所涉及的职业岗位为：大数据分析师、大数据高级工程师、大数据分析师专家、大数据挖掘师、大数据算法师等;3、大数据运维和云计算方向。
对应岗位：大数据运维工程师;三个方向中，大数据开发是基础。
以Hadoop开发工程师为例，Hadoop入门月薪已经达到了8k以上，工作1年月薪可达到1.2w以上，具有2-3年工作经验的hadoop人才年薪可以达到30万—50万，一般需要大数据处理的公司基本上都是大公司，所以学习大数据专业也是进大公司的捷径。
大数据管理与应用专业就业前景如何从近两年大数据方向的就业情况来看，大数据专业领域的岗位还是比较多的，尤其是大数据开发岗位，目前正逐渐从大数据平台开发向大数据应用开发领域覆盖，这也是大数据开始全面落地应用的必然结果。
大数据分析方法在经济学研究中的应用
大数据分析方法在经济学研究中的应用随着互联网技术的快速发展和用户数据的大规模积累，大数据分析成为了经济学研究中不可忽视的重要工具。
大数据分析方法凭借其高效、精准和全面的特点，在经济学领域的应用逐渐扩大。
本文将探讨大数据在经济学研究中的应用，并介绍相关的分析方法和案例。
一、大数据在宏观经济研究中的应用大数据分析方法在宏观经济研究中具有广泛的应用价值。
首先，通过大数据的分析，我们可以实时监测和评估经济运行状况，从而判断宏观经济政策的有效性和适应性。
例如，通过对消费者购买行为和消费指数的大数据分析，可以及时了解消费趋势和消费者心理，为政府决策提供决策参考。
其次，大数据分析方法可以帮助我们深入理解宏观经济变量之间的关系和驱动机制。
通过对庞大数据集的分析，我们可以发现宏观经济变量之间的内在联系，并构建更加准确的经济模型。
最后，大数据还可以用于宏观经济预测和风险评估。
通过对大数据的分析，我们可以预测经济增长、通货膨胀和金融风险等重要指标的变动趋势，为投资决策和政策调整提供科学依据。
二、大数据在微观经济研究中的应用除了在宏观经济研究中的应用，大数据分析方法在微观经济研究中也有很多的应用。
首先，大数据可以帮助我们深入了解企业和市场的运行机制。
通过对企业数据和市场数据的分析，我们可以揭示企业之间的竞争关系、市场结构和市场行为等重要特征。
其次，大数据分析方法可以帮助我们进行消费者行为研究。
通过对大规模的消费者数据进行挖掘和分析，我们可以研究消费者购物偏好、消费决策方式以及消费者群体的特征，从而为企业制定更加精准的市场营销策略提供参考。
最后，大数据还可以用于评估企业绩效和风险。
通过对企业的大数据进行分析，我们可以评估企业的盈利能力、效率水平和风险承受能力，为投资者和决策者提供科学依据。
三、大数据分析方法在经济学研究中的案例以下是一些大数据在经济学研究中的典型案例：1. 高频经济指标预测研究人员使用大数据分析方法，通过监测互联网上的经济活动数据（如电商交易额、航空客流量等），准确预测宏观经济指标的变动趋势，提供及时的决策参考。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1. UHS(Urban Household Survey)（此数据使用需要得到国家统计局授权）简介：中国城镇住户调查数据。
它是国家统计局城调总队负责调查的。
现在可以拿到1986年至2006年的数据。
如果可能的话，我们可以拿到全部省份的数据，但现在大家使用的是六个省份的数据（、、、、、）。
每年大约有3500-4000户的数据。
包含变量：（1）个人层次上的变量。
与户主关系，性别、年龄、文化程度、行业、职业、就业状况、工资、总收入、工作小时数、参加工作年份、退休金、财产性收入。
（2）家庭层次上的变量。
家庭总收入、家庭人口数、居住面积、房间个数、家庭财产、现金支出、现金流入、储蓄、借款、家庭消费。
可做的研究：（1）教育回报率问题。
（2）收入不平等问题。
（3）劳动力供给问题。
家庭财产、孩子（老人）、退休金。
（4）行业的分布及变化。
（5）职业的分布及变化。
人力资源管理。
（6）就业问题。
失业率和劳动参与率。
（7）教育决定因素及教育不平等问题。
（8）社会保障方面的研究（退休金）。
（9）财产性收入研究。
（10）房地产需求问题。
它与人口结构的关系。
（11）非正规金融问题（借款）。
（12）家庭消费的决定因素及模式变化。
2.CHIP（Chinese Household Income Project Survey）：Chinese Household Income Project, 1988; Chinese Household Income Project, 1995; Chinese Household Income Project, 2002简介：中国家庭收入项目调查。
它是由国家统计局农调总队和中国社会科学院经济研究所共同开展此项专门调查。
调查容主要包括：收入、消费、就业、生产等有关方面的情况。
现在做了三轮，分别是1988,1995,2002，可能2006的也正在进行中。
这个数据是全部省份。
这个数据的好处是，农村及城镇的数据都有。
城镇每年家庭的数据大约有6800户，人数大约为20000人。
农村每年家庭的数据大约有9200户，人数大约有38000人。
包含变量：（1）个人层次上的变量。
与户主关系，性别、年龄、受教育年限、行业、所有制、职业、就业状况、工资、总收入、工作小时数、参加工作年份、是否中共党员、是否当过兵、是否当过干部、吸烟花多少钱、喝酒花多少钱、是否残疾、医药支出额多少、生病的时间、从事家务劳动的时间、照顾家里其它病人的时间、工资收入总额、退休金、股票红利、工作天数、工作小时数、找工作的渠道、居住条件、开始非农就业的年份。
（2）家庭层次上的变量。
家庭总收入、家庭人口数、居住面积、房屋所有权、贷款的数量、借钱的途径、自己及配偶父母的家庭成分、家庭收入、老人补助金、现金支出、家庭消费、家庭财产。
可做的研究：（1）教育回报率问题；（2）收入不平等问题。
（3）劳动力供给问题。
家庭财产、孩子（老人）、退休金、家务劳动时间。
（4）找工作的方式问题。
（5）行业的分布及变化。
（6）职业的分布及变化。
人力资源管理。
（7）就业问题。
失业率和劳动参与率。
（8）教育决定因素及教育不平等问题。
（9）社会保障方面的研究（退休金）。
（10）财产性收入研究（股票）。
（11）房地产需求问题。
它与人口结构的关系。
（12）住房解决方式问题。
（13）农村非正规金融问题（借款）。
（14）家庭消费的决定因素及模式变化。
（15）党员、当兵、当干部、父母家庭成分对收入和就业的影响（16）吸烟、喝酒等支出的决定因素及变化趋势（17）农村老人补助金问题。
（18）老人养老安排问题。
（19）老年人劳动供给问题（退休年龄的提高）。
3.CHNS （China Health and Nutrition Survey）：China Health and Nutrition Survey简介：中国健康与营养调查。
由美国北卡罗莱纳大学教堂山校区的罗莱纳州人口中心和中国疾病控制和预防中心的国家营养和食品安全所合作建立的一个数据。
这个数据最大的好处是，它是一个面板数据。
而且，农村和城镇的数据都有。
现有的数据有：1989, 1991, 1993, 1997, 2000, 2004，2006等年份。
包括的省份：、、、、、、、、广西、。
这些数据可以在网上下载。
现在，国际一些好的刊物很多文章也是用这个数据做的。
这个数据库涉及的变量较多，处理起来比较困难。
以后年份的数据缺失可能比较严重。
包含变量：（1）个人层次上的变量。
与户主关系，性别、年龄、出生日期、民族、身高、体重、血压、病史、吸烟史、受教育年限（水平）、户口、是否干部、行业、职业、第二职业、工作单位的性质及人数、就业状况、工作时间（非常细致）工资、总收入、参加农业生产的情况。
（2）家庭层次上的变量。
农业生产、农作物价值、家庭总收入、家庭人口数、家庭支出（较详细）、家庭收入（较详细）、居住情况（详细）、交通工具、家庭消费、家庭财产、医疗费用（详细）、家庭成员生病（较详细）、食物消费（详细）。
（3）社区层次变量。
村人数、村户数、是否实行医疗保险、医院情况、消费结构、学校情况、计划生育情况、食品价格。
可做的研究：（1）身高体重与食物结构的关系。
（2）劳动力市场上是否在身高等存在歧视。
（3）吸烟对健康的影响。
（4）健康对劳动力供给的影响。
（5）就业问题。
（6）劳动力供给时间问题。
（7）医疗保险对健康的影响。
（8）社区医疗结构（医院的多少）对健康的影响（9）某些疾病的发病趋势。
（10）收入不平等问题。
（11）社会保障方面的研究。
（12）家庭消费的决定因素及模式变。
4.CHARLS（China Health and Retirement Longitudinal Study）（使用该数据要求填写协议，获得大学相关授权）：./char简介：中国健康退休跟踪调查。
这个数据库是由大学中国经济研究中心耀辉教授负责的一个项目。
这个项目实际是跟美国的HRS数据库并行的，主要是为了研究健康和退休行为。
这个数据选取的样本是，年龄大于等于45岁。
这个数据库的质量非常好，为了得到血样的数据，专门对相关的数据采集员做了培训。
这个数据库最快明年春天就能用，并且它是对所有的研究者公开的。
这个数据另外的一个好处是，它是一个面板数据。
包含的变量：包含的变量非常丰富。
基本在劳动经济学研究中，能用到的变量都考虑到了。
举几个例子。
教育水平，细分到了硕士和博士；英语水平细分到了过了国家几级；大学是同等学历还是正规毕业；村干部细分到了村书记还是村会计。
可做的研究：（1）社会保障方面的研究；（2）老龄化问题方面的研究；（3）其它劳动经济学方面的研究；（4）人口经济学方面的研究；（5）卫生经济学方面的研究。
5. RHS（Rural Household Survey）：中国农村住户调查年鉴2010年PDF版简介：中国农村住户调查数据。
它是国家统计局农调总队负责调查的。
它是与城镇调查相对应的一个数据，也是每年做一次，但因为涉及到的问题比较敏感，这一套数据比较难拿。
我这里给出的是人大论坛上挂出的10年的年鉴，有点小贵，要20的论坛刀。
包含变量：（1）个人层次上的变量。
与户主关系，性别、年龄、文化程度、当年在家居住的时间、是否在校学生、是否接受过技能培训、是否丧失劳动能力、从事、行业、从事农业生产的时间、从事非农行业的时间、是否乡镇企业职工、在乡镇企业工作的时间、外出方式、外出地区、在外务工时间、在外务工总收入生活消费总支出。
（2）家庭层次上的变量。
家庭总收入、家庭人口数、家庭财产、现金支出、现金流入、家庭消费、缴纳的税费。
可做的研究：（1）农村税费问题。
（2）农民工迁移问题，包括地区、迁移方式。
（3）农民工收入对家庭总收入的影响。
（4）研究乡镇企业问题。
（5）农村基础设施问题，、公路等等。
（6）农村地区财产性收入问题。
（7）农产品价格及农民收入问题。
（8）农业机械与农业产量。
（9）各种农作物种植面积的变化趋势。
（10）农村家庭消费的决定因素及模式变化。
6.Chinese Longitudinal Healthy Longevity Survey (CLHLS)：Chinese Longitudinal Healthy Longevity Survey (CLHLS), 1998-2005简介：全国老年人口健康状况调查项目（又名中国老人健康长寿影响因素研究）的项目主持人为大学中国经济研究中心教授与杜克大学教授及北大老龄健康与家庭研究中心主任曾毅。
这一数据库主要是为有关老年人的研究服务。
现有的数据包括：1998 2000 2002 2005年。
包含变量：性别、年龄、属相、出生日期、出生地、婚姻、受教育程度、以前所从事行业、生活能力、疾病、看病花费等信息。
可做的研究：（1）老年人的居住安排（跟儿子住，还是跟女儿住）；（2）老年人的疾病状况。
（3）老年人医疗支出结构分析。
（4）所从事行业对以后健康的影响。
7.CFPS(Chinese Family Panel Studies)（使用数据需签署协议，获得大学授权）：大学中国社会科学调查中心简介：“中国家庭动态跟踪调查“（CFPS）是大学中国社会科学调查中心整合大学社会科学各院系的学术力量设计并组织实施的一项重大社会科学实证研究项目。
旨在通过跟踪搜集个体、家庭、社区三个层次的历时数据，反映中国社会、经济、人口、教育和居民生活质量的变迁，为学术研究和政府决策提供第一手的实证数据。
包含变量： CFPS2008年测试调查的问卷分为村/居问卷、家庭问卷、成人问卷和少儿问卷四种。
其中，村/居问卷的调查容包括：村/居基础设施概况、人口和劳动力资源概况、自身及周边环境、基层选举、财政收入与支出，以及日常消费品价格等。
家庭问卷的调查容包括：家庭成员结构、日常生活基本设施、社会交往、住房、家庭经济、农业生产与销售等。
成人问卷的调查容包括：教育、婚姻、职业、日常生活、健康、养老、社会保障、社会交往、价值观、以及基准测试等。
少儿问卷的调查容包括：学业情况、日常生活、健康、职业期望、与父母关系、成长环境、社会交往、价值观、以及基准测试等。
可做的研究：（1）教育回报率问题。
（2）收入不平等问题。
（3）劳动力供给问题。
家庭财产、孩子（老人）、退休金、家务劳动时间。
（4）找工作的方式问题。
（5）行业的分布及变化。
（6）职业的分布及变化。
人力资源管理。
（7）就业问题。
失业率和劳动参与率。
（8）教育决定因素及教育不平等问题。
（9）社会保障方面的研究（退休金）。
（10）财产性收入研究（股票）。
（11）房地产需求问题。
它与人口结构的关系。
（12）住房解决方式问题。
（13）农村非正规金融问题（借款）。
（14）家庭消费的决定因素及模式变化。