对中国各地区2002-2024年的平均受教育年限进行测算,系统呈现了2002年至2024年二十多年间,中国各省份以及分性别人群的平均受教育年限变化。通过对这些长期、多维度的数据进行深入分析,能够清晰刻画不同区域教育发展水平的动态演进轨迹,精准揭示男女两性在教育机会获取和教育成果上的差异及其变迁趋势。

计算公式:平均受教育年限=(文盲人数*1+小学学历人数*6+初中学历人数*9+高中和中专学历人数*12+大专及本科以上学历人数*16)/ 6岁以上人口总数


一、数据介绍

数据名称:平均受教育年限测算-各地区、分性别

数据范围:31个省份

时间范围:2002-2024年

数据来源:2005年、2015年为1%人口抽样调查样本数据,其他年份为1‰人口变动调查样本数据。

样本数量:714条

更多说明:包括原始、线性插值、回归填补3个版本


二、数据指标

行政区划代码

地区

年份

6岁及6岁以上人口数

6岁及6岁以上男性人口数

6岁及6岁以上女性人口数

6岁及6岁以上未上过学人口数

6岁及6岁以上未上过学男性人口数

6岁及6岁以上未上过学女性人口数

6岁及6岁以上小学人口数

6岁及6岁以上小学男性人口数

6岁及6岁以上小学女性人口数

6岁及6岁以上初中人口数

6岁及6岁以上初中男性人口数

6岁及6岁以上初中女性人口数

6岁及6岁以上高中人口数

6岁及6岁以上高中男性人口数

6岁及6岁以上高中女性人口数

6岁及6岁以上大专及以上人口数

6岁及6岁以上大专及以上男性人口数

6岁及6岁以上大专及以上女性人口数

人均受教育年限

男性-人均受教育年限

女性-人均受教育年限


三、数据概览

平均受教育年限-数据概览


四、补充说明:
    线性插值。利用数据的线性趋势,对各年份中间的缺失部分进行填充,得到线性插值版数据,这也是学者最常用的插值方式。
    回归填补。利用原数据集中的核心变量信息,基于线性插值版数据,通过建立回归方程,对缺失值进行预测填补。    注:由于该方法填补数据较多,不能完全反应地区真实情况,谨慎使用。


五、下载链接https://download.csdn.net/download/samLi0620/91306888

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐