对标：A 版第 5 章平移 + B 版衔接改造
阶段定位：设计——"定方案"
承接：第 4 章research_design.md栏 4（数据方案）→ 本章回答"数据从哪来、质量怎么评"
启下：选定数据 → 第 7 章问卷补一手 → 第 8 章数据体检
学习目标
完成本章后，你应当能够：
- 识别数据来源：说出中国官方四件套 + 国际三剑客 + 金融数据组的覆盖范围与获取方式
- 评估数据质量：用四维框架（口径一致性 / 频率匹配 / 覆盖完整性 / 获取成本）评估候选数据源
- 合规获取数据：遵守爬虫三原则，用学校正版渠道获取商业数据库
- 产出数据源矩阵：完成
data_source_matrix.xlsx，为你的研究选定数据源
§6.1 官方门户四件套
数据来源已验证日期：2026-09-21
中国官方统计门户
| 数据源 | 网址 | 核心数据 | 适用方向 | 获取方式 |
|---|---|---|---|---|
| 国家统计局 | stats.gov.cn / data.stats.gov.cn | 国民经济核算 / 价格指数 / 人口 / 居民收入 / 农产品产量 | 三方向通用（宏观与农业底座） | 网页下载 / API |
| 中国人民银行 | pbc.gov.cn（调查统计司） | 金融统计数据报告 / 社会融资规模 / 货币政策执行报告 / 利率 / LPR | 【金】货币金融主源 | 报告 PDF 下载 |
| 国家金融监督管理总局 | nfra.gov.cn | 银行业总资产总负债（月度）/ 各地区保费收入 / 行业运行 | 【金】【险】监管口径主源 | 统计报表下载 |
| 农业农村部 | moa.gov.cn | 种植业 / 畜牧业 / 农业农村经济信息 | 【农】【险】农业底座 | 数据频道下载 |
延伸门户（按需使用）
- 海关总署：进出口贸易数据
- 证监会：资本市场数据（上市公司公告、IPO）
- 中国债券信息网 chinabond.com.cn：债券估值、收益率曲线
🖥️ 跟做练习
从国家统计局下载"农村居民人均可支配收入"2010-2025 年年度时间序列：
- 打开 data.stats.gov.cn → 年度数据
- 选择"人民生活" → "居民人均可支配收入"
- 筛选"农村" + 时间范围 2010-2025
- 下载 Excel → 存入
data/raw/文件夹 - 记录元数据（S6.1）：来源 URL、下载日期、文件大小
§6.2 国际三剑客（本机 MCP 实装）
三大国际组织数据源
| 数据源 | MCP 工具 | 数据库 | 覆盖范围 | 适用场景 |
|---|---|---|---|---|
| IMF | imf-mcp-server（5 个工具） | IFS 国际金融统计 / WEO 世界经济展望 | 全球 190+ 国家宏观金融指标 | 跨国金融稳定分析、资本充足率对比 |
| OECD | oecd-mcp（9 个工具） | OECD 数据流 + 指标 | 38 个成员国 + 伙伴国 | 农业政策对比、乡村发展指标 |
| FAO | faostat-mcp-server（6 个工具） | FAOSTAT 69 个数据域 | 200+ 国家/地区 | 农业产量、粮食安全、土地利用、化肥 |
延伸：World Bank
World Bank WDI（世界发展指标）和 GFDD（全球金融发展数据库）可通过网页直查：
- WDI: data.worldbank.org（200+ 国家、1600+ 指标）
- GFDD: 金融包容性指标（银行账户覆盖率、ATM 密度等）
🖥️ 跟做示例：用 imf-mcp 查询中国银行业资本充足率
工具：imf_query_dataset
参数：
dataset_code: "IFS"（国际金融统计）
query: { country: "CN", indicator: "capital_adequacy_ratio", period: "2015-2025" }你需要做的：
- 用 imf-mcp-server 获取中国银行业资本充足率 2015-2025 时间序列
- 记录数据来源（S6.1）："IMF International Financial Statistics, accessed via imf-mcp-server, 2026-09-21"
- 存入
data/raw/imf_capital_adequacy_CHN.csv
💡 MCP 工具的优势：直接在命令行/AI 助手中调用，无需打开网页手动下载。但数据出处的引用规范不能因为获取方式便利就省略。
§6.3 金融数据组（专业数据源）
按获取方式分三层
第一层：商业终端（学校订阅 / 机构付费）
| 数据源 | 覆盖范围 | 获取方式 | 适用场景 |
|---|---|---|---|
| Wind | A 股 / 债券 / 基金 / 宏观 / 行业，最全 | 学校图书馆 VPN 或终端 | 论文标准数据源（审稿人认可度最高） |
| iFinD 同花顺 | 全品类金融数据（7 个子服务） | 学校/机构订阅 | 替代 Wind 的选择 |
| Choice 东方财富 | 股票 / 基金 / 宏观 | 学校订阅 | 数据覆盖面广 |
| Bloomberg | 全球市场 | 机构终端 | 国际金融方向 |
第二层：学术数据库（学校订阅）
| 数据源 | 覆盖 | 特点 |
|---|---|---|
| CSMAR 国泰安 | 上市公司财务 / 公司治理 / 资本市场 | 面板数据最完整，论文引用率高 |
| CNRDS 中国研究数据服务平台 | 绿色经济 / 创新 / 社会责任等特色数据 | 有独特的非财务指标 |
| CFPS 中国家庭追踪调查 | 家庭收入/消费/资产/教育/健康 | 北京大学主持，微观面板 |
| CHFS 中国家庭金融调查 | 家庭资产负债表/金融资产配置 | 西南财大主持，金融风险偏好 |
第三层：开源免费（人人可用）
| 数据源 | 本机 MCP | 覆盖 | 注意事项 |
|---|---|---|---|
| Tushare | tushareMcp（254 个工具） | A 股/基金/期货/宏观/港股/美股 | 需注册 token + 积分制 |
| china-stock-mcp | china-stock-mcp（30 个工具） | A 股实时/历史/财务/资金流 | 免费替代 |
| AKShare | Python 库 | A 股/港股/期货/宏观 | pip install akshare |
| yfinance | Python 库 | 全球股票市场 | Yahoo Finance 接口 |
特色数据（专题方向必知）
| 数据 | 来源 | 适用 |
|---|---|---|
| 北京大学数字普惠金融指数 | 郭峰等（2020），蚂蚁金服合作 | 数字金融 / 普惠金融方向 |
| 中国家庭金融调查（CHFS） | 西南财经大学 | 家庭金融 / 风险偏好 |
| 中国农业统计年鉴 | 农业农村部 | 农业生产 / 保险精算 |
💡 选择策略：硕士论文首选 Wind/CSMAR（审稿人熟悉）；如果学校没订阅，Tushare + AKShare 可以覆盖 80% 的需求。关键是注明来源（S6.1）。
§6.4 爬虫合规三原则 + 四维质量评估
网络数据采集合规三原则
| # | 原则 | 含义 | 违反后果 |
|---|---|---|---|
| 1 | 遵守 robots.txt | 网站明确禁止爬取的路径不碰 | 法律风险（反不正当竞争法） |
| 2 | 控制请求频率 | 不给服务器造成负担（建议 ≥ 1 秒/次） | IP 被封禁；影响他人正常使用 |
| 3 | 尊重版权与隐私 | 不爬付费内容；不爬个人隐私数据 | 学术不端 + 法律风险 |
工具提示：本机 chrome-devtools MCP 可以抓取公开统计表格（如金融监管总局的地区保费表），但必须遵守上述三原则。
四维数据质量评估框架
B 版衔接改造：数据质量（本章）与测量效度（第 5 章）互为表里。
| 维度 | 含义 | 检查方法 | 对接第 5 章 |
|---|---|---|---|
| 口径一致性 | 同一指标不同年份的定义是否变化 | 查统计年鉴注释/官方口径说明 | → 内容效度（测的是不是同一个东西？） |
| 频率匹配 | 数据频率是否满足研究需要 | 年度 vs 季度 vs 月度 vs 日度 | → 测量精度（粗粒度 = 信息损失） |
| 覆盖完整性 | 是否有缺失地区/年份/行业 | 面板平衡性检验 | → 样本流失（第 4 章内部效度威胁之一） |
| 获取成本 | 时间/金钱/技术门槛 | 评估 ROI（投入产出比） | → 可行性（设计阶段的现实约束） |
口径一致性的典型案例
案例：国家统计局"农村居民人均可支配收入"
- 2013 年之前：使用"纯收入"口径（扣除生产经营费用但不扣除社保缴费）
- 2013 年及之后：统一为"可支配收入"口径（扣除个税 + 社保缴费 + 转移支出）
- 影响：2013 年前后不可直接比较！如果你的研究跨越 2013 年，必须做口径调整或在论文中说明
⚠️ 这是农经/农村金融方向最常踩的坑之一。很多论文直接把 2005-2025 年的收入数据拉成面板跑回归，完全没有注意到口径变化——审稿人一眼就看出来。
🤖 AI 辅助研究栏
1. 用 MCP 工具快速获取数据概览
场景：你想知道某个金融指标是否可获取、覆盖范围如何。
# 示例：用 tushareMcp 查看可用数据
工具：stock_basic
参数：{ exchange: "SSE", list_status: "L" }
→ 返回所有上交所上市公司列表
# 示例：用 faostat-mcp 查看农业数据域
工具：faostat_list_domains
→ 返回 69 个可查询域（产量/贸易/价格/化肥/土地…）2. 自动化数据清洗建议
拿到原始数据后，贴给 AI 问：
- "这份数据有哪些常见问题？（缺失值、异常值、格式不一致）"
- "用什么 Stata 命令做初步清洗？"
- "这个面板数据是否平衡？用
xtset+xtdescribe检查"
3. 数据源推荐
把你的研究问题告诉 AI：
我的研究问题是"数字普惠金融对农户收入的影响"。
请推荐 3-5 个可能的数据源，并说明各自的优缺点。⚠️ AI 推荐的数据源你必须自己验证是否存在、是否能获取、是否覆盖你的变量。AI 可能"幻觉"出不存在的数据库。
🛡️ AI 诚信栏
S6.1 数据出处与版本留痕
必须做到：
- ✅ 每个数据集记录：来源 URL / 下载日期 / 版本号 / 文件大小
- ✅
data/raw/文件夹存放原始下载文件，永不修改 - ✅ 论文中注明："数据来源于 XX（访问日期 YYYY-MM-DD）"
- ✅ MCP 工具获取的数据同样注明："IMF IFS, accessed via imf-mcp-server, 2026-09-21"
数据留痕模板：
# 数据获取日志
| 日期 | 数据源 | URL/工具 | 文件名 | 大小 | 备注 |
|---|---|---|---|---|---|
| 2026-09-21 | 国家统计局 | data.stats.gov.cn | rural_income_2010_2025.xlsx | 45KB | 年度数据 |
| 2026-09-22 | IMF IFS | imf-mcp-server | imf_car_CHN.csv | 12KB | 资本充足率 |S6.2 爬虫合规
绝对禁止：
- ❌ 爬取需要登录的付费数据库（Wind/CSMAR/Bloomberg）→ 用学校正版渠道
- ❌ 爬取个人隐私数据（身份证号/手机号/银行账号）
- ❌ 绕过验证码、反爬机制
- ❌ 批量转售或二次发布原始数据
正确做法：
- ✅ 只抓公开页面的统计表格
- ✅ 请求频率 ≥ 1 秒/次
- ✅ 引用规范与手动下载完全一致
📋 本章产出物
data_source_matrix.xlsx（数据源对比矩阵）
用 Excel 建立你的数据源评估矩阵：
| 研究变量 | 候选数据源 1 | 候选数据源 2 | 候选数据源 3 |
|---|---|---|---|
| （如：农户收入） | CFPS | 国家统计局 | 自编问卷 |
| 口径一致性（1-5） | 4 | 3（2013 口径变化） | 5（自己设计） |
| 频率匹配（1-5） | 5（两年一次面板） | 4（年度） | 5（按需） |
| 覆盖完整性（1-5） | 4（25 省） | 5（全国） | 3（仅样本县） |
| 获取成本（1-5） | 3（需申请） | 5（免费下载） | 2（需入户） |
| 综合得分 | 16 | 17 | 15 |
| 最终选择 | ✓ |
💡 评分规则：5 = 最好，1 = 最差。最终选择不仅看分数，还要看你的研究设计需要（如需面板数据，截面数据得分再高也不行）。
✅ 自检题
1. 你要研究"数字金融对农户收入的影响"，需要哪些数据？分别从哪获取？
（提示：至少需要——① 数字金融指标：北京大学数字普惠金融指数（区县级，免费下载）或自编问卷测个体数字金融使用；② 农户收入：CFPS/CHFS（微观面板）或自编问卷；③ 控制变量：地区 GDP、教育水平等来自国家统计局。注意分析单元匹配——区县级指数 vs 个体级收入需做层级模型或统一层级。参见 §6.3、§6.4。）
2. 国家统计局"农村居民人均可支配收入"2013 年前后口径有什么变化？这对你的研究有什么影响？
（提示：2013 年前为"纯收入"口径，2013 年起统一为"可支配收入"口径（扣除社保缴费等）。如果你的面板跨越 2013 年，收入序列不可直接比较——需要做口径调整（如用官方公布的"按新口径回溯"数据），或在论文中说明并以 2013 年为断点分段分析。参见 §6.4 口径一致性案例。）
3.（方向题）为你方向的核心变量找到 2 个数据源并做四维评估。
（提示：打开你的 research_design.md，找到核心自变量和因变量，分别搜索 2 个数据源，填入 data_source_matrix.xlsx 做四维打分。至少完成一个变量的完整评估。参见 §6.1-§6.4。）
农村金融业务及监管 2026 秋季 | AI 辅助金融研究学生自学手册