做科研时，找到合适的数据集，有时比选择统计分析方法更让人头疼。
如果想研究教育资源分配，需要去哪里寻找学校层面的数据？如果想分析人口迁移、收入差距和社会流动性，有没有可以直接使用的公开数据？如果希望研究科研人员的职业发展、学术论文发表或不同学科的性别差异，又有哪些数据资源值得收藏？
最近发现了一个值得科研人员保存的 GitHub 项目：Datasets for Social Science。这是应用微观经济学研究者 Todd Jones 整理的免费数据集目录，收录了100多个数据资源，覆盖社会科学、经济学、人口统计、教育、健康、学术研究、环境、交通等多个领域。
项目地址：https://github.com/toddrjones/datasets
与单一学科的数据仓库不同，这份目录的特点是按照研究主题整理资源，并提供原始数据网站、数据覆盖年份、获取方式以及部分相关论文，方便研究者进一步查找。
需要说明的是，仓库介绍明确指出，大多数数据集可以公开获取，但部分资源需要签署数据使用协议或满足其他访问条件。因此，这是一份免费的数据资源导航，而不是所有数据都可以无条件下载的承诺。
下面按照研究主题，整理其中值得科研人员关注的数据集。
人口、家庭与日常时间利用
如果研究人口结构、家庭行为、婚姻、生育、性别差异或时间分配，可以优先关注这一类数据。
- American Time Use Survey（ATUS，美国时间利用调查）：记录美国居民在一天中参与不同活动的时间，包括活动类型、活动地点以及与谁共同参与等信息。数据始于2003年，可用于研究工作与生活平衡、家庭照护、学生时间分配等问题。数据来源：美国劳工统计局。
- Multinational Time Use Study（MTUS，多国时间利用研究）：汇集多个国家和地区的时间利用调查数据，适合进行跨国比较和长期趋势分析。部分数据需要通过 IPUMS 签署数据使用协议获取。资源入口：MTUS。
- American Community Survey（ACS，美国社区调查）：提供人口特征、收入、通勤、教育、职业、住房等信息，适合开展人口统计、区域发展和社会经济差异研究。可通过 IPUMS 或相关官方渠道获取：IPUMS USA。
- Current Population Survey（CPS，美国当前人口调查）：长期开展的劳动力市场调查，可用于研究就业、失业、收入及劳动力人口结构等问题。该项目整理的资源通过 IPUMS 提供：CPS 数据入口。
- Panel Study of Income Dynamics（PSID，美国家庭收入动态追踪研究）：长期追踪家庭及个人的社会经济状况，适合分析收入变化、代际流动、家庭决策和长期生活轨迹。资源入口：PSID。
- National Longitudinal Study of Youth（NLSY79/NLSY97，美国青年纵向研究）：追踪不同出生队列的青年群体，可用于研究教育、就业、职业发展和家庭形成等问题。资源入口：美国劳工统计局。
- National Survey of Family Growth（NSFG，美国家庭增长调查）：包含与生育、婚姻、家庭形成等相关的调查信息，适合人口学和家庭研究。资源入口：美国疾病控制与预防中心。
- NVSS Natality Data（美国出生统计数据）：提供出生相关统计数据，部分版本包含个体层面的出生信息，适用于生育模式和人口健康研究。仓库列出的相关数据入口：NBER。
- Marriages and Divorces in Texas（得克萨斯州婚姻与离婚数据）：包含婚姻、离婚相关信息，可用于研究婚姻持续时间、家庭结构和社会人口学特征。具体字段与年份应以数据提供方说明为准。
- Marriages in England and Wales（英格兰和威尔士婚姻数据）：提供按日期统计的婚姻数据，部分记录可追溯至1999年，适合研究婚姻时间分布及其变化。资源入口：英国国家统计局。
犯罪、公共安全与司法
研究犯罪、社会治理、警务活动和司法结果时，行政记录与受害者调查可以提供不同视角的数据支持。
- National Incident-Based Reporting System（NIBRS，美国国家事件报告系统）：包含犯罪事件、犯罪嫌疑人、受害者、犯罪类型、发生时间及地点等信息。仓库介绍的版本经过 Jacob Kaplan 标准化整理。需要注意，相关地理信息主要对应警察机构，并不意味着每起犯罪事件都有精确的地理坐标。
- National Crime Victimization Survey（NCVS，美国国家犯罪受害者调查）：通过调查收集犯罪受害经历，可与警方记录形成互补，帮助研究未报案犯罪及受害者特征。资源入口：美国司法统计局。
- Stanford Open Policing Project（斯坦福开放警务项目）：汇集美国多个地区的交通拦查数据，可用于分析警务执法、种族差异及执法决策等问题。资源入口：Open Policing Project。
- Justice Outcomes Explorer（司法结果探索工具）：整合部分司法行政记录与人口、就业和收入等结果信息，可用于研究司法系统接触经历与后续社会经济结果之间的关系。数据覆盖年份和地区因具体项目而异。
- 城市犯罪与911报警数据：仓库还列出了纽约、芝加哥、洛杉矶和西雅图等城市的犯罪或报警数据入口。研究者可以据此开展城市安全、犯罪时空分布和公共服务需求研究。
人口普查、历史人口与社会流动
历史人口数据不仅可以用于人口学研究，也能帮助研究者分析长期经济发展、代际流动和社会结构变化。
- IPUMS USA：整合美国人口普查和相关调查数据，可根据研究需要提取人口、教育、职业、收入及家庭结构等变量。历史普查的部分完整个体记录需要签署数据使用协议。资源入口：IPUMS USA。
- IPUMS International：整合多个国家的人口普查与调查数据，适用于跨国人口比较和社会经济研究。仓库介绍的资源覆盖100多个国家、650多项调查，具体可用数据需以当前平台目录为准。资源入口：IPUMS International。
- OpenCensus：与美国历史人口普查资料的开放整理有关，适合对历史人口记录感兴趣的研究者。涉及姓名和地址等信息时，需要特别核查数据的隐私限制及使用条件。
- Census Tree：利用家谱等信息辅助连接不同时期的人口普查记录，可用于研究人口纵向关联和历史社会流动。资源入口：Census Tree。
- Census Linking Project：提供人口普查记录关联方面的相关资源，适合关注历史个体追踪、人口迁移及长期社会经济变化的研究者。资源入口：Census Linking Project。
- CenSoc：将美国1940年人口普查记录与死亡记录进行关联，可用于研究历史人口、社会经济地位与死亡结局之间的关系。资源入口：CenSoc。
- Opportunity Atlas（机会地图）：提供美国不同地区儿童成年后社会经济结果的细粒度信息，适合研究成长环境、收入流动和区域机会差异。资源入口：Opportunity Atlas。
- Migration Patterns（迁移模式）：整理儿童成长地区与成年后居住地区之间的迁移信息，并按照部分人口及家庭背景特征进行区分，可用于研究代际迁移与社会流动。
教育与高等教育研究
教育研究不仅需要考试成绩，还可能涉及教育投入、学校规模、毕业后就业、师资构成和教育公平等问题。
- Integrated Postsecondary Education Data System（IPEDS，美国高等教育综合数据系统）：提供美国高等教育机构的招生人数、教职员工、经费支出、毕业情况等信息。适合研究高校规模、教育投入和院校发展。资源入口：IPEDS。
- Stanford Education Data Archive（SEDA，斯坦福教育数据档案）：提供美国中小学学区、县和州层面的学生学业成绩信息，部分数据按性别等特征划分。仓库列出的相关版本覆盖2009—2019年。资源入口：SEDA。
- Common Core of Data（CCD，美国基础教育共同核心数据）：提供美国公立学校和学区相关数据，可用于学校规模、学生构成及教育资源配置研究。资源入口：NCES。
- National Education Research Database（NERD$）：围绕美国中小学人均教育支出等问题提供数据资源，适合研究教育财政与学校资源分配。资源入口：Edunomics Lab。
- Higher Education Research Institute（HERI）：开展与大学新生、高年级学生及高校教师相关的调查，可用于高等教育经历、教师发展和学生态度研究。部分数据需要申请或签署协议。资源入口：HERI。
- Post-Secondary Employment Outcomes（PSEO，高等教育毕业生就业结果）：提供与毕业生就业及收入相关的统计数据，并可按院校、专业等维度开展分析。资源入口：美国人口普查局。
- 毕业生就业去向数据：仓库还收录了毕业生就业去向相关资源，可用于分析大学专业与劳动力市场之间的联系。使用前应核查样本覆盖范围和数据年份。
- PISA（国际学生评估项目）：可用于比较不同国家和地区学生的学习表现及相关背景因素。具体数据版本和下载方式可通过 OECD 查询：PISA 数据入口。
学术出版与科研人员发展
对于科研工作者来说，这一部分尤其值得关注。除了研究自然科学现象本身，研究者还可以利用学术出版和科研职业数据，分析论文产出、学科结构、人才流动及学术职业发展。
- OpenAlex：开放的学术知识图谱，包含学术论文、作者、机构、期刊和学科等信息，可用于文献计量、合作网络、科研机构分析及学术影响力研究。仓库特别提醒，完整数据下载规模较大，免费 API 也存在调用限制。资源入口：OpenAlex。
- NBER Articles Metadata（NBER 论文元数据）：提供美国国家经济研究局相关论文的作者、机构和摘要等元数据信息，适合开展经济学研究产出、作者合作及主题演化分析。资源入口：NBER。
- Economics PhD Placements（经济学博士就业去向）：整理多个经济学博士培养项目的毕业生就业信息，可用于研究博士培养、学术劳动力市场及职业流动。仓库列出的版本覆盖82个项目，包含约1.8万名经济学博士的就业信息。资源入口：Economics PhD Placements。
- Economics Graduates North America 1997–2017（北美经济学毕业生数据）：整理1997—2017年北美经济学毕业生的相关信息，并包含 RePEc 标识符及 Scopus ID 等关联字段，可用于研究毕业生职业轨迹和学术身份关联。资源入口：Harvard Dataverse。
- Gender Composition by Academic Field（学术领域性别构成）：提供不同学术领域的性别构成估计信息，仓库介绍的版本从1950年起进行整理。适合研究学科性别差异及其历史变化。相关资源入口：Max Planck Institute for Demographic Research。
- PhD Origins of Academic Faculty（高校教师博士培养背景）：整理高校教师的博士培养来源，可用于研究学术招聘网络、院校层级、人才流动和学术职业发展的结构性差异。该资源与发表于 Nature 的相关研究有关，使用时应阅读原研究对样本与方法的说明。
这类数据非常适合开展科研评价、学术职业和科学计量研究。不过，使用时需要区分相关性与因果关系。例如，某所大学的博士毕业生进入高排名院校的比例较高，并不能单凭这一指标就断言该校的培养质量更高。
气候、气象与环境数据
如果研究环境变化、气候趋势、能源需求或极端天气，可以从以下资源入手。
- PRISM Climate Data：提供网格化气候数据，包括温度和降水等变量。仓库介绍的相关数据包括1981年以来的日尺度数据，以及1895年以来的月尺度数据。资源入口：PRISM。
- NOAA 气象站数据：美国国家海洋和大气管理局提供气象观测及相关历史记录，可用于气候趋势、气象变化和环境研究。资源入口：NOAA。
- Open-Meteo：提供天气及气候相关 API，部分历史数据可追溯至1940年。仓库列出的免费 API 服务存在调用限制，使用前应核查当前条款。资源入口：Open-Meteo。
- Gridded Environmental Impacts Frame（Gridded EIF，网格化环境影响数据框架）：提供美国细网格尺度的人口统计信息与环境危害相关数据，可用于研究环境暴露、人口分布与社会脆弱性之间的关系。资源入口：美国人口普查局。
- ERCOT 电力负荷数据：提供美国得克萨斯州电力系统的小时负荷数据，仓库列出的历史记录始于1995年，可用于电力需求预测、能源系统研究及负荷变化分析。资源入口：ERCOT。
交通、事故与城市空间研究
城市交通和事故数据往往具有明确的时间、地点和事件属性，适合开展时空统计、风险分析及交通规划研究。
- Fatality Analysis Reporting System（FARS，美国致命交通事故报告系统）：记录美国致命交通事故相关信息，包括驾驶员和乘客特征、车辆信息、事故位置及其他事故情况。仓库列出的数据始于1975年。资源入口：美国国家公路交通安全管理局。
- UTD19（城市交通数据集）：汇集40个城市、超过2万个交通监测站点的交通数据。仓库列出的版本覆盖2017—2019年，适合开展交通流量、城市交通模式和时空变化研究。资源入口：UTD19。
- 美国各州交通事故数据：仓库列出了加利福尼亚州和马萨诸塞州等地区的数据入口，可进一步查找事故发生时间、地点及相关特征。不同地区的数据格式和覆盖范围可能存在明显差异。
- Historical Topographic Maps（历史地形图）：美国地质调查局提供的历史地形图资源，可追溯至1884—2006年，适合开展历史地理、土地利用变化及地图比较研究。资源入口：USGS。
- Elevation Data（高程数据）：仓库提供通过 R 相关工具获取多种来源高程数据的入口，适用于地形分析、空间建模和地理信息系统研究。
健康、死亡与伤害研究
健康相关数据能够支持公共卫生、疾病负担、死亡原因及健康不平等研究，但需要特别关注隐私保护和数据使用条件。
- National Health and Nutrition Examination Survey（NHANES，美国国家健康与营养调查）：包含美国成人和儿童的健康及营养相关调查信息，可用于研究健康状况、营养因素与人口特征之间的关系。资源入口：CDC NHANES。
- NCHS Multiple Cause of Death（美国多死因数据）：仓库介绍的版本由 NBER 整理，个体层面的死亡数据始于1959年；2005年以前的部分记录包含地理信息。适合研究死因结构和人口健康差异。资源入口：NBER。
- CDC Mortality Data（美国死亡统计数据）：可按县级等地区尺度研究死亡情况，并根据具体版本分析年龄、性别和死因等变量。仓库指出，相关数据存在访问协议要求，具体条件应以官方平台为准。资源入口：CDC WONDER。
- National Electronic Injury Surveillance System（NEISS，美国国家电子伤害监测系统）：围绕消费品相关伤害开展监测，可用于研究产品安全、伤害类型和公共卫生风险。资源入口：美国消费品安全委员会。
劳动力市场、企业与经济发展
对于经济学、管理学、劳动经济学和公共政策研究者，企业、工资、职业流动和生活成本数据具有较高的实用价值。
- Quarterly Census of Employment and Wages（QCEW，美国就业与工资季度普查）：提供就业和工资相关统计信息，适合研究地区劳动市场、行业就业结构及工资变化。资源入口：美国劳工统计局。
- Quarterly Workforce Indicators（QWI，季度劳动力指标）：提供就业、收入、招聘、离职及劳动力流动等指标，可用于研究劳动市场动态和区域就业变化。资源入口：美国人口普查局。
- Job-to-Job Flows（J2J，工作间流动数据）：关注劳动者从一份工作转向另一份工作的情况，可用于研究职业流动、工资变化和就业转换。资源入口：美国人口普查局。
- LEHD Origin-Destination Employment Statistics（LODES，就业起讫地统计）：提供细粒度的居住地与工作地就业信息，可用于研究通勤、城市空间结构和劳动力市场。资源入口：LEHD。
- O*NET（职业信息数据库）：提供职业任务、工作活动和职业特征等信息，适合研究职业技能、任务结构和劳动力市场变化。资源入口：O*NET。
- County Business Patterns（县级企业统计）：提供美国县级企业及就业、工资单等统计信息，适用于区域产业结构和企业分布研究。资源入口：美国人口普查局。
- Business Dynamics Statistics（企业动态统计）：提供企业创建、关闭、就业创造及就业损失等统计信息，可用于研究企业动态和经济活力。资源入口：美国人口普查局。
- Consumer Price Index for All Urban Consumers（CPI-U，美国城市消费者价格指数）：可用于分析价格变化和通货膨胀，并将不同年份的名义金额转换为可比的实际金额。资源入口：FRED。
- Cost of Living（生活成本数据）：仓库列出了县级生活成本估计数据入口，可用于区域生活成本和经济差异研究。具体变量与适用范围应根据来源说明确认。
- Patenting Firms（专利企业数据）：可用于研究企业专利活动、技术创新和企业特征之间的联系。相关入口：美国人口普查局。
其他值得收藏的数据资源
除了以上类别，这份目录还包含一些适合特定研究方向的数据。
- SSA Baby Names（美国婴儿姓名数据）：提供按年份、性别和州等维度整理的姓名频率信息，适合研究姓名变化、文化趋势和人口特征。资源入口：美国社会保障局。
- England and Wales Baby Names（英格兰和威尔士婴儿姓名数据）：提供1996年以来的相关姓名统计，可用于跨地区文化与人口趋势比较。资源入口：英国国家统计局。
- US Census Names（美国人口普查姓名数据）：收录1990、2000、2010和2020年相关的常见姓氏与名字信息，适合人口统计及姓名分布研究。资源入口：美国人口普查局。
- Lahman Baseball Database（拉赫曼棒球数据库）：提供1871年以来的赛季级棒球统计数据，可用于体育统计、预测模型和数据可视化练习。资源入口：Lahman Database。
- Baseball Savant Statcast（棒球追踪数据）：包含投球位置、击球距离等更细粒度的棒球比赛数据，适合体育数据分析和运动表现研究。资源入口：Baseball Savant。
- 2020 US Religion Census（美国宗教普查）：提供美国不同地区宗教信仰相关的估计信息，可用于研究宗教分布及区域社会特征。资源入口：US Religion Census。
- World Values Survey（世界价值观调查）：通过跨国调查研究社会价值观、信念和态度，可用于比较不同国家和地区的社会文化差异。资源入口：World Values Survey。
- MIT Election Lab（麻省理工学院选举实验室）：整理美国选举结果等数据，可用于研究投票行为、选举结果和政治地理。资源入口：MIT Election Lab。
- US Patent Data（美国专利数据）：提供美国专利相关数据，可用于分析技术创新、专利活动和知识产权发展。资源入口：美国专利商标局。
- Facebook Social Connectedness Index（社会联结指数）：基于 Facebook 友谊关系构建不同地区之间的社会联结指标，可用于研究地区间联系与社会经济现象之间的关系。研究者需要注意平台数据的代表性限制。资源入口：Meta AI。
- A List of All Federal Laws（美国联邦法律列表）：汇集美国联邦法律相关数据，可用于法律文本分析、政策演变及计算社会科学研究。资源入口：OSF。
- LawAtlas：提供经过整理和编码的法律及公共卫生政策数据，可用于比较不同地区的法规和政策变化。资源入口：LawAtlas。
- 1.8 Million Amazon Purchases from 5,000 People（约180万条亚马逊购买记录）：与一项公开发表的电子商务研究相关，数据涉及美国消费者购买历史及人口统计信息，可用于消费行为研究。具体下载权限和使用条件应以原始研究及数据提供方的说明为准。
如何把这些数据集真正用于科研？
找到数据只是第一步。对于准备开展实证研究、撰写论文或制作科研可视化的研究者，建议按照以下流程筛选和使用数据。
明确研究问题。 先确定研究对象、分析单位和核心变量，再选择数据来源。例如，研究大学专业与毕业生收入的关系，应该优先寻找包含院校、专业、毕业时间和就业结果等信息的数据，而不是仅仅选择规模最大的数据库。
检查数据的覆盖范围。 需要确认数据包含哪些年份、国家或地区、研究对象及变量。全国性数据并不一定适合所有研究问题，地区覆盖不全、样本选择偏差或变量定义变化，都可能影响结论。
核查访问权限与使用许可。 公开可浏览、可以免费下载、需要注册、需要申请审批以及需要签署数据使用协议，是不同的访问状态。对于涉及个人健康、犯罪、收入或其他敏感信息的数据，还应检查隐私保护要求和伦理审查要求。
阅读原始数据说明与相关论文。 GitHub 目录的作用是帮助研究者发现资源，不能替代数据提供方的技术文档。正式分析前，应确认变量定义、抽样设计、权重、缺失值处理、数据清洗方式以及可能存在的测量误差。
保留数据来源与版本记录。 建议在项目中保存数据下载日期、版本号、原始网址、数据使用许可和必要的处理记录。如果研究涉及可重复分析，还应保留代码、变量转换规则和统计分析流程。
注意研究结论的适用边界。 公开数据并不意味着数据具有代表性，也不意味着观察到的变量关联能够证明因果关系。对于纵向调查、行政记录和多源关联数据，应根据研究设计选择合适的分析方法，并明确讨论局限性。
最后
这份 Datasets for Social Science 最值得收藏的地方，不只是收录了100多个数据资源，而是将原本分散在政府机构、研究项目和学术平台上的数据入口集中整理在一起。
如果你从事社会科学、经济学、教育研究、人口学、公共卫生、科研评价或数据可视化，可以把它作为一个长期使用的数据发现入口。当研究问题发生变化时，也可以回到对应分类，寻找新的数据来源。
需要再次强调的是，数据集目录不等于数据本身，免费访问也不等于没有使用限制。正式将数据用于论文发表之前，请务必以原始数据提供方的说明为准，并在论文中规范引用数据来源。
建议先收藏这个仓库，再根据自己的研究问题筛选两三个最相关的数据集，阅读数据说明和已有研究，往往比一次性下载大量数据更有效。
