第一节 数据描述与整理方式

本书所使用的数据主要来源于中国社会科学院经济研究所收入分配课题组在1995年、1999年、2002年对全国城镇居民的住户调查。课题组在1988年就开始进行全国城镇住户抽样调查，但在1988年的城镇住户调查数据中没有教育支出的数据，因此我们没有采用该年份数据用于分析居民消费行为，但我们仍将使用其中的部分资料对不同时点的经济状况进行描述与说明。每次调查的具体名称虽然不同，但目的都在于得到城镇住户基本情况的资料，在调查问卷的设计中也力求各调查年份所得资料的可比性与连续性，因此本书将这些调查统称为住户调查（household survey）。历次调查的内容包括住户成员个人特征及收入、家庭资产、家庭支出、家庭规模等项。调查的项目构成可见赵人伟、李实和卡尔·李思勤（1999）的附表（三），以后年份的调查都包括这些内容，并有所扩展和细化。这些调查都是在国家统计局的协助下进行的，其中的样本也来自于国家统计局常规住户调查的样本框。

一般地，调查都会产生一些缺失样本，因此需要对所获得的原始资料进行进一步的清理，以符合分析需要。数据清理的基本原则是，剔除缺失样本并尽可能保持足够的样本量。由于研究的目的及研究者的个人差异，对数据会有不同的处理方式，也会产生不同的结果。

本书对缺失样本的清理主要建立在消费支出、收入和个人特征的基础上。数据清理的对象为无法确认的缺失值、不符合逻辑的数值及远离样本主体的离群点（异常值）。对于无法确认的缺失值的判断主要基于调查问卷本身。对不符合逻辑的数值的判断主要通过根据社会经济状况设定相应的上下界进行判断。对离群点的判断则通常会有一些统计方法