本节书摘来自异步社区《社会调查数据管理——基于Stata 14管理CGSS数据》一书中的第3章，第3.5节，作者 唐丽娜，更多章节内容可以访问云栖社区“异步社区”公众号查看
3.5 中国综合社会调查
中国综合社会调查（China General Social Survey，CGSS）始于2003年，是一项大型学术研究调查项目。CGSS发源于美国的GSS（General Social Survey，GSS），GSS是美国民意调查中心（National Opinion Research Center, NORC）运行时间最长的一个调查项目，该调查项目在全世界都享有盛誉，是国际社会调查界的旗舰。自1972年开始，该项目旨在通过收集当下美国社会的数据，来考察美国的社会变迁，研究美国社会日益增加的复杂性，解释人们的态度、行为和特征的变化趋势，考察整个社会的结构和功能，以及次级群体在社会中扮演的角色，进行国际比较。GSS的另一个目的是生产出高质量的数据，而且所有的学者、政策制定者及其他相关人员都能以最低的成本和等待时间来获取GSS数据（http://gss.norc.org/）。在美国，除了美国人口普查数据，GSS数据是社会科学界使用频率最高的一个数据来源。
为了给社会科学界提供一项高质量的社会调查数据，中国人民大学社会学系的李路路教授和当时在香港科技大学的边燕杰教授决心做中国自己的GSS，为学术界提供一个全国范围的、随机抽样的、高质量的调查数据。自2003年开始截止到本书出版前，一共完成11次调查。在第一个周期里，共完成5年调查，分别是2003、2004、2005、2006和2008年，除2004年的数据外，剩下4年的数据都已向全社会免费公开，用户可以到中国国家调查数据库（China National Survey Data Archive，CNSDA）注册下载。第二个周期计划从2010～2019年，为期10年，截止到2015年共完成6次调查，其中2010、2011、2012、2013共4年的数据也已经在CNSDA的网站上免费发布。
CGSS采用多阶段、分层次、随机抽样方法，获取的数据在全国范围具有代表性，但不能在省份这个层面上有代表性，因此不能用CGSS数据做31个省份之间的比较。
CGSS的问卷由两个部分构成：主体模块（primary module，即A部分）和主题模块（topic module，即B-Z部分）。历年的调查问卷中都包含A部分，不同之处在主题模块，见表3-4。
使用CGSS数据的注意事项：
（1）样本代表性。CGSS采用多阶分层随机抽样方法，收集上来的数据只能用于推论全国，无法用于推论各省份。切记：不要用CGSS数据做分省份比较研究。
（2）样本量。同一年度的CGSS数据，在不同模块上的样本量可能不一样。CGSS的问卷结构是：主体模块 + 主题模块。其中主体模块是全样本数据，但主题模块的样本只是总样本中的一个子样本。也就是说，在全部调查对象中，所有人都会回答主体模块的问题，但只有一部分人会回答主题模块的问题（如CGSS2006的城乡居民数据有10151条数据，EASS模块——家庭模块——则只有3208条数据），而且不同的主题模块回答的人数也有微小差异（如CGSS2010的城乡居民数据有11783条数据，回答M部分——健康模块——的样本有3866个，而回答N部分——宗教模块——的样本有4231个）。
（3）变量名。为方便查阅数据，CGSS历年数据的变量名都以其对应的问卷中的题号为命名基准，这样的命名方式也方便用户把数据和问卷对应起来。
（4）职业和行业编码。为了更加准确地测量调查对象的行业和职业，对这两个变量CGSS采用间接测量的方法，具体操作方法是：在历年调查中，行业和职业都是开放题，由访问员把被访者从事的行业相关信息和职业相关信息填入相应的空格上，如下所示：
A59d. 您目前工作的具体职业是：
具体职业名称[ ]
具体工作内容[ ]
[ ]
根据收集的文本资料，基于ISCO88，由至少2名专业人员进行编码，把文本资料转换成定量资料，以便研究者使用和分析。CGSS 项目组只发布编好码的行业和职业，不公布相应的开放题。
[1] 中国的小学数据课本中就包含了统计、调查等方面的基础知识。
[2]马丁•丹斯考姆. 做好社会研究的10个关键[M]. 杨子江，译. 北京：北京大学出版社，2008.
[3]这4个效度的详细内容，请参阅《社会研究方法（第11版）》的第146～147页，【美】艾尔•芭比著，邱泽奇译. 华夏出版社，2014
[4]//是给stata命令本身添加注释的一种方法，如果想给某条命令加注释，就可以在这条命令后面输入空格+//+注释。
[5]星号+注释是一种给do文件加注释的方法。
[6]不同版本的Stata能保存的最大字符数有差异，比如在Stata 12中，字符型变量最多只能保存244个字符，但是在Stata14中，字符型变量最多能保存2000000000个字符，而且还能保存二进制数。用户在创建变量时一定要注意，不要因为存储空间不足导致字符型数据丢失。
[7]通常的叫法是：if条件，in范围。
[8]在Stata的命令中，井号“#”代表数字。
