CHARLS Reproduce, CHARLS 数据库复现指南

CHARLS 概览

项目	说明
全称	China Health and Retirement Longitudinal Study (中国健康与养老追踪调查)
官网	https://charls.pku.edu.cn/
覆盖	全国 150 县级单位、450 社区，45 岁以上居民
波次	wave1(2011), wave2(2013), wave3(2015), wave4(2018), wave5(2020)
格式	Stata (.dta), 也有 harmonized 版本

Harmonized 数据集 vs 原始数据

大多数 CHARLS 论文使用原始问卷模块数据，变量名以 CHARLS 问卷编号命名（如 dc009s1）。但很多用户拿到的是 harmonized 数据集（合并所有波次，变量已清洗重命名）。

识别方法:

• 如果有 wave 列且包含 wave1-wave5 → harmonized 数据
• 如果有 dc009s1, be001, sc004_s1 等原始变量名 → 原始数据
• harmonized 数据通常 ~10 万行（所有波次堆叠），原始数据每波 ~2 万行

关键差异: 变量名完全不同，缺失模式不同，编码方式不同。

核心变量映射表

认知功能

论文常用名	原始变量	Harmonized 变量	范围	说明
即时回忆	dc009s1, dc009s10	imrc	0-10	10 个词即时回忆正确数
延迟回忆	dc012s1, dc012s10	dlrc	0-10	延迟回忆正确数
情景记忆 (EM)	自行计算	recall 或 (imrc+dlrc)/2	0-10	注意: recall = (imrc+dlrc)/2
Serial 7	dc024 (5 次减法)	ser7	0-5	100 连续减 7，正确次数
日期定向	dc003-dc006	orient	0-4	= dw + dy + mo + yr（4 个二分项之和）
画图	dc014	draw	0-1	重画展示图形是否正确
心理状态 (MS)	自行计算	ser7 + orient + draw	0-10	重要: 见下方详解
总认知分	自行计算	total_cognition	0-21	但 ≠ imrc+dlrc+ser7+orient+draw

心理状态 (Mental Status) 构建详解

论文中 MS 通常定义为 TICS 题目总分 = Serial 7 + 日期定向 + 画图 = 0-10。

但注意：

• orient = dw + dy + mo + yr（4 项，0-4），不含 ds（day of season）
• 验证方法: orient == dw + dy + mo + yr 应 100% 吻合
• 如果论文 MS 均值 ~5-7: 使用 ser7 + orient + draw（0-10）
• 如果论文 MS 均值 ~3-4: 可能只用了 orient + draw（0-5），不含 ser7
• ser7 缺失率高（Wave1 约 19%），如果样本量偏差大，考虑排除 ser7

关键经验: ser7 是 MS 定义中缺失率最高的子项。 如果筛选后样本量比论文少很多，先检查是否因 ser7 缺失。 尝试 ms = orient + draw 看样本量是否更接近论文。

抑郁 (CESD-10)