PPMANDATA
中国家庭金融调查CHFS
一
数据简介
中国家庭金融调查（China Household Finance Survey，CHFS）是中国家庭金融调查与研究中心在全国范围内开展的抽样调查项目，旨在收集有关家庭金融微观层次的相关信息，主要内容包括：住房资产与金融财富、负债与信贷约束、收入与消费、社会保障与保险、代际转移支付、人口特征与就业以及支付习惯等相关信息，以便为学术研究和政府决策提供高质量的微观家庭金融数据，对家庭经济、金融行为进行了全面细致的刻画。
该数据库每两年进行一次全国性入户追踪调查，自2011年起，调查已成功实施七轮，样本分布于29个省、355个县（区、县级市）、1428个社区；覆盖40011户家庭及12.7万个体；具有全国、省级和副省级城市代表性。
在中国，有关家庭金融的研究才刚刚起步，而中心的成果填补了中国家庭金融学术研究和现状的空白，其意义已经超越了学术界，产生了广泛积极的社会效益。在学术方面，中心发布的数据引起了学术界的极大兴趣，并出现了一系列研究成果，随着数据库的深入建设，更多研究人员将参与到家庭金融的研究中来。在社会效益方面，中心积极参与中国重大政策问题的研究与讨论，在房地产市场调控、收入分配与经济转型、城镇化问题等诸多中国目前重大的宏观政策方面都有深入的研究和探索。
二
研究团队
中国家庭金融调查（CHFS）数据库由西南财经大学中国家庭金融调查与研究中心建立，其创始人、主任为甘犁教授，另有研究员6人，讲师5人，研究助理4人。
甘犁
甘犁，清华大学经济管理学院本科，加州大学伯克利分校统计学硕士、经济学博士，师从2000年诺贝尔经济学奖获得者丹尼尔·麦克法登教授。2009年，他发起并领导了全国范围内的学术调查——中国家庭金融调查，建立起了中国微观金融的基础数据库。目前，该数据库拥有具有全国及省级代表性的四万余户中国家庭数据，详尽记录中国家庭的资产与负债、收入与支出、保险与保障等方面微观信息，全面追踪家庭动态金融行为，填补了中国家庭金融微观数据的空白。基于该调查完成的关于中国家庭的资产配置、收入分配、家庭与小微企业的信贷可得性、房地产市场供需、城镇化等研究成果，引起了政府、学界和社会的广泛关注。
三
调查设计
1、抽样设计
CHFS 调查采用了分层、三阶段与规模度量成比例（probability proportional to size，PPS）的抽样设计方案，以确保样本的随机性和代表性。调查的抽样目标是实现全国 29 个省（区、市）的省级代表性（不包括西藏、新疆、港澳台地区），采用入户调查的方式进行访问。具体抽样过程如下：
第一阶段：采用分层人口规模比例概率抽样方法，在全国范围内抽取区县，包括市辖区、县级市、县等各类县级行政区；
第二阶段：在抽取的区县内，等距抽取居委会/村委会；
第三阶段：在抽取的居委会/村委会内，随机抽取住户进行调查。
2、问卷设计
CHFS 调查问卷以家庭金融为主题，通过对受访户家庭的资产、负债、收入、消费等情况进行详细询问，旨在全面展示家庭金融现状，并描述中国家庭资产配置的相关问题。同时，通过持续追踪访问，记录中国家庭经济生活在宏观经济发展背景下的变化。在问卷设计过程中，CHFS 调查采用了模块化的方式，将问卷整体结构分为多个模块，每个模块对应不同的调查内容，如下图所示。
四
数据概览
1、数据展示
2、数据分布
五
使用说明
1、数据范围
CHFS 数据库包含三个数据集：hh数据集、ind数据集和master数据集。
其中：
（1）hh数据集（Household Dataset）包含了问卷中家庭部分的数据，涵盖了农业/工商业生产经营、住房/车辆资产、金融资产、家庭负债、家庭支出与收入等方面的信息。
（2）ind数据集（Individual Dataset）包含了问卷中家庭成员部分的数据，涵盖了人口统计特征、个人工作及收入信息、保险与保障等方面的信息。
（3）master数据集（Master Dataset）包含了在问卷数据基础上衍生出来的样本行政区划信息、权重变量、综合变量等非问卷变量。
CHFS 数据集的样本标识变量包括家庭样本标识变量（hhid）和个人样本标识变量（pline）。
hhid 是用于标识家庭的变量，每个hhid代表一个家庭，可唯一识别家庭，同一家庭在不同年度的hhid 保持不变。
pline 是用于标识每个家庭成员的变量，每个pline代表一个家庭成员，通过结合hhid 和 pline 可唯一识别个体，同一家庭内各家庭成员在不同年度的pline保持不变。通过样本标识变量，三个数据集之间可以实现彼此的两两匹配。
2、数据获取与使用说明
对于公开数据申请及使用，研究人员可通过CHFS官方网站（http://chfser.swufe.edu.cn/datas/）注册申请数据，审核通过后可免费下载使用。
对于城市、区县等限制数据，研究人员可申请使用官方数据安全使用室。
在数据库管理中，根据数据的敏感性和重要性，通常会进行分级管理。CHFS数据作为重要的社会经济研究资源，其数据库的管理设计遵循了分级管理的原则，分级和公开内容如下。
公开数据：包括样本所属省级名称、省级国标码（行政区划代码）以及城市、区县、社区级的伪码（同一标识码对应的样本属于同一区域）。
限制数据：如城市、区县等具体名称，这类数据结合家庭个人信息可能识别出具体对象，因此需严格管理，不能直接公布供下载使用。
声明：本文章仅介绍、展示数据，不作数据分享，如有需要，请按照上述方法前往CHFS官方网站获取。
六
研究成果
[1]张吉鹏,黄金,王军辉,等.城市落户门槛与劳动力回流[J].经济研究,2020,55(07):175-190.
[2]李树,于文超.幸福的社会网络效应——基于中国居民消费的经验研究[J].经济研究,2020,55(06):172-188.
[3]甘犁,赵乃宝,孙永智.收入不平等、流动性约束与中国家庭储蓄率[J].经济研究,2018,53(12):34-50.
[4]李任玉,陈悉榕,甘犁.代际流动性趋势及其分解:增长、排序与离散效应[J].经济研究,2017,52(09):165-181.
[5]尹志超,郭沛瑶.精准扶贫政策效果评估——家庭消费视角下的实证研究[J].管理世界,2021,37(04):64-83.
[6]蔡栋梁,邱黎源,孟晓雨,等.流动性约束、社会资本与家庭创业选择——基于CHFS数据的实证研究[J].管理世界,2018,34(09):79-94.
[7]卢亚娟,张菁晶.农村家庭金融资产选择行为的影响因素研究——基于CHFS微观数据的分析[J].管理世界,2018,34(05):98-106.
[8]路晓蒙,李阳,甘犁,等.中国家庭金融投资组合的风险——过于保守还是过于冒进?[J].管理世界,2017,(12):92-108.
[9]杨广亮,王军辉.新一轮农地确权、农地流转与规模经营——来自CHFS的证据[J].经济学(季刊),2022,22(01):129-152.
[10]马双,赵文博.方言多样性与流动人口收入——基于CHFS的实证研究[J].经济学(季刊),2019,18(01):393-414.
[11]李江一.“房奴效应”导致居民消费低迷了吗?[J].经济学(季刊),2018,17(01):405-430.
[12]唐学朋,余林徽,王怡萱,等.跨境电子商务与中国家庭福利——基于家庭消费视角的实证研究[J].数量经济技术经济研究,2023,40(11):137-157.
[13]杨雅鑫,宋科,张劲帆.互联网理财、财富效应与居民消费——来自互联网平台居民理财行为的微观证据[J].金融研究,2024,(01):56-75.
[14]肖伟,刘文华,谢婷.就地城镇化的家庭收入效应——基于中国家庭金融调查(CHFS)的实证研究[J].金融研究,2023,(02):152-170.
[15]郑路,徐旻霞.传统家庭观念抑制了城镇居民商业养老保险参与吗?——基于金融信任与金融素养视角的实证分析[J].金融研究,2021,(06):133-151.
[16]路晓蒙,吴雨.转入土地、农户农业信贷需求与信贷约束——基于中国家庭金融调查(CHFS)数据的分析[J].金融研究,2021,(05):40-58.
[17]陈选娟,林宏妹.住房公积金与家庭风险金融资产投资——基于2013年CHFS的实证研究[J].金融研究,2021,(04):92-110.
[18]廖红君,樊纲治,弋代春.关系型借贷视角下购房融资方式与家庭创业行为——基于2017年中国家庭金融调查的实证研究[J].金融研究,2020,(07):153-171.
[19]李丁,丁俊菘,马双.社会互动对家庭商业保险参与的影响——来自中国家庭金融调查(CHFS)数据的实证分析[J].金融研究,2019,(07):96-114.
[20]Chen, Yvonne Jie, Zhiwu Chen, and Shijun He. "Social norms and household savings rates in China." Review of Finance 23.5 (2019): 961-991.
[21]Fisman, Ray, et al. "Superstition and risk taking: Evidence from “Zodiac Year” beliefs in China." Management Science 69.9 (2023): 5174-5188.
[22]Li, Jie, Yu Wu, and Jing Jian Xiao. "The impact of digital finance on household consumption: Evidence from China." Economic modelling 86 (2020): 317-326.
[23]Yang, Junhong, Yu Wu, and Bihong Huang. "Digital finance and financial literacy: Evidence from Chinese households." Journal of Banking & Finance 156 (2023): 107005.
[24]Dong, Xiaotian, et al. "Can digital inclusive finance reduce household poverty? Evidence from the China household finance survey." International Review of Economics & Finance 96 (2024): 103603.
[25]Du, Pengcheng, and Hua Cheng. "Banking competition and households’ informal financing: Evidence from china household finance survey." Emerging Markets Finance and Trade 58.2 (2022): 525-543.
