SHARE — 28 国 17.5 万人，欧洲老去过程的统一标尺

同一份问卷、同一套变量名、同一套缺失码，在 28 个国家问了 22 年：它让「德国的老人比意大利健康吗」这个问题第一次变得可以计算——而它最锋利的部分，是那 2.7 万份干血斑

来源 SHARE-ERIC url: https://share-eric.eu/发布时间: 2026-10-23最后更新: 2026-10-23 阅读 9
SHARE — 28 国 17.5 万人，欧洲老去过程的统一标尺

信息速览

数据集名称SHARE — 28 国 17.5 万人，欧洲老去过程的统一标尺
数据类型28 个国家,175,000 名受访者,690,000 次访谈,10 个波次,22 年跨度,21 项干血斑标志物,四国行政记录链接,严禁商用
规模175,000（28 国 50 岁以上受访者；DBS 子样本约 27,000）
接入方式SHARE-ERIC url: https://share-eric.eu/
AI 就绪度

INFOBOX

项 值
全名 Survey of Health, Ageing and Retirement in Europe（SHARE）
维护方 SHARE-ERIC（柏林），各国国家团队执行
起始 2004 年（Wave 1，2004–2006）
国家数 28（Wave 7 起达到，此前逐波扩展）
受访者 约 175,000 人（50 岁以上）
累计访谈 约 690,000 次深度访谈
已开展波次 10（Wave 1–9 + 两轮 Corona Survey）
当前主发布 Release 9.0.0（2024-03-28）
干血斑 21 项标志物 / 约 27,000 人 / 12 国 / Release 2.0.0（2026-04-30）
论文数 4,858 篇
注册用户 24,000（2025 年底 23,360 次注册）
姊妹研究 18 个（HRS / CHARLS / ELSA 等）
访问 免费，但必须个人注册 + 签署 User Statement
最大的坑 严禁商用，且主数据拆成 100+ 个文件——不是「下载一个 dta 就能分析」

§0 本条目怎么来的、不做什么

我们是谁：千方病案医学编辑部，为中文医学 AI 社区整理可训练数据集的结构化说明。

本条目怎么来的：全部数字与条款取自 SHARE 官方网站 share-eric.eu 的公开页面原文（2026-10-23 抓取）。核心指标取自 /impact/key-performance-indicators 的「SHARE in numbers」区块与 KPI 正文；波次与国家覆盖取自 /data/data-documentation/waves-overview；Release 与 DOI 取自 /data/data-documentation/release-guides 与各波次页；DBS 的 21 项标志物清单与 12 国名单取自 /data/data-set-details/share-dbs；easySHARE 的文件结构取自 /data/data-set-details/easyshare；使用条款与商用禁令取自 /data/data-access/conditions-of-use；引用格式取自 /data/data-access/citation-requirements。

我们不做什么：本条目不下载任何数据（SHARE 需要个人注册与签署协议），不做任何分析，不评价问卷效度。§7 的口径核对只处理官方页面之间的一致性问题。

已知局限：

  • 官方未公开主发布的准确文件数、变量数与总体积。我们只能引用官方说的「more than 100 single data files」，不猜具体数字。
  • 各国样本量官方未在 KPI 页给出，波次页只给参与国名单与 N。我们没有逐国数字。
  • 我们没有访问 DBS 数据，21 项标志物的清单来自官方数据集页的表格。
  • 「约 175,000」「约 690,000」「约 27,000」都是官方用「about / around」表述的约数，不是精确值。

§1 数据集概览

§1.0 📌 30 秒速览

SHARE 做的事情，一句话：用同一份问卷、同一套变量名、同一套缺失码，在 28 个国家从 2004 年问到 2026 年，让「欧洲各国老人有什么不同」第一次变成一个可以算的问题。

「SHARE in numbers」（官方 KPI 页原文）：

指标 数值
经验年数 25+
国家数 28
受访者 175,000
完成访谈 690,000
论文 4,858
数据用户 24,000
已开展波次 10
全球姊妹研究 18

三个必须先知道的形状问题：

  1. 「28 国」不是从头就有的。 Wave 1 只有 12 国（2004–2006），Wave 2 加到 15，Wave 3 是 14（爱尔兰加入、以色列退出），Wave 7 才达到 28 国。用早期的波次做「28 国比较」是做不到的，因为那几波根本没采那些国家。做面板分析必须显式列出「哪些国家在哪些波次存在」，否则会得到大量莫名其妙的缺失。

  2. Wave 6 和 Wave 7 的荷兰不是常规波次。 官方在波次表下专门加注：In SHARE Waves 6 and 7, the Netherlands did not participate in the regular SHARE wave but conducted a mixed mode experiment. 也就是说，这两波表里的「28 国」，荷兰是用另一种模式采的。直接把它当同质样本合并，会引入模式效应。

  3. 干血斑只有 27,000 人，不到总样本的六分之一。 而且只在 12 国采（比利时、瑞士、德国、丹麦、爱沙尼亚、西班牙、法国、希腊、意大利、瑞典、斯洛文尼亚、以色列）。21 项标志物还分两批发布：7 项 2024 年 5 月、14 项 2026 年 4 月（第二批在哥本哈根 Statens Serum Institut 检测）。跨批比较必须按文档做校正。

如果你要做跨国健康不平等、要研究欧洲各国老龄化路径差异、要用干血斑客观指标替代自报健康，SHARE 是欧洲唯一覆盖这么广的；如果你要可直接商用的多模态数据，它不合适——商用被明确排除，这是伦理承诺，不是许可条款。

§1.1 技术摘要

维度 值
设计 跨国纵向面板（prospective panel），CAPI 面对面
年龄门槛 50 岁以上（含配偶，不限年龄）
国家 28（欧洲 + 以色列）
波次 10（Wave 1–9 + Corona 1/2）
每波问卷模块 20 个（健康、社会经济、社会网络）
补充问卷 自填纸质问卷（paper and pencil）
主发布文件数 100+ 个独立数据文件
教学版 easySHARE（单文件长格式）
生物测量 体能指标（握力、肺功能、步速等）+ DBS
认知 SHARE-HCAP（协调认知测评协议）
客观活动 加速计（Wave 8）
行政链接 4 国（德、丹、芬、荷）
访问 免费 + 个人注册 + User Statement
商用 禁止

§1.2 战略价值

SHARE 在中文医学 AI 语境里的位置，不是「欧洲版的 CHARLS」，而是唯一一个把「跨国可比」做成基础设施的老龄化队列。

空档在哪：库内已有 HRS（美国）、CHARLS（中国）、ELSA（英国）、MHAS（墨西哥）等姊妹研究，但它们各自只覆盖一国。「同一份问卷、同一套变量名、同一套缺失码，在 28 个国家同时问」——这件事没有第二条数据能做到。 它的价值不是样本量（17.5 万不算大），是可比性。

SHARE 的三条独有资产：

  1. 干血斑的跨国可比性。 官方的说法很到位：血液标志物「不受自报健康的跨文化差异影响」（not affected by cross-cultural differences in how people self-report their health）。这句话是 SHARE-DBS 的核心价值——当你想比较「德国人和意大利人谁更健康」时，自报健康会被文化规范污染，但 HbA1c 不会。21 项标志物横跨代谢（HbA1c、血脂）、炎症（CRP、IL-6 家族）、神经退行（total tau、NfL、GFAP、pTau217）三类，其中pTau217 是近年阿尔茨海默血检的核心指标——一个跨国队列能测这个，是很少见的。

  2. 四国行政记录链接。 德（SHARE-RV，养老金保险）、丹（REGLINK-SHAREDK）、芬（REGLINK-SHAREFI，含养老金中心与 Kela）、荷（CBS）。把自报的就业、收入、养老金与官方登记记录对起来，这是研究「自报偏倚」和「政策效应」的黄金结构。

  3. SHARE-HCAP 认知协议。 Harmonised Cognitive Assessment Protocol，与 HRS-HCAP、ELSA-HCAP 用同一套协议，让三国认知测评可以直接对比。

代价：这三条资产都要额外申请（DBS 是单独数据集、链接要各国单独协议、HCAP 是子研究）。主数据里没有。

§1.3 同类资源横向对比

维度 SHARE HRS（美） CHARLS（中） ELSA（英） MHAS（墨）
国家数 28 1 1 1 1
起始年 2004 1992 2011 2002 2001
样本 175,000 ~20,000 ~17,700 ~12,000 ~15,000
波次 10 十余波 5 9+ 5+
干血斑 ✅ 27,000 人 / 21 项 ✅ 血液 ✅ 静脉血 ✅ ❌
神经退行标志物 ✅ 4 项含 pTau217 ✅ 部分 ✅ ❌
行政链接 ✅ 4 国 ✅ 部分 ✅ ❌
协调认知协议 ✅ HCAP ✅ HCAP 部分 ✅ HCAP ❌
跨国可比 ✅ 核心设计 ❌ ❌ ❌ ❌
商用许可 ❌ 明令禁止 需申请 需申请 需申请 需申请

这张表要读懂的一行：「跨国可比」这一行只有 SHARE 打了勾。这不是「SHARE 更大更好」，是「SHARE 解决的是别的问题」——它回答的是「国家之间为什么不同」，其他队列回答的是「一个国家内部为什么不同」。

另一行值得注意：「商用许可」一栏，SHARE 是唯一写「明令禁止」的，而且理由不是法律，是对受访者的伦理承诺。官方原文：SHARE-ERIC promises to the participants in the study that the data will not be used for other purposes. Therefore, any other uses, such as a commercial use of the data, are excluded as matter of principle. 这句话很重——「原则上排除」意味着没有例外通道，不是「申请就能批」。

§1.4 版本时间轴

波次 年份 参与国数 关键事件
Wave 1 2004–2006 12 基线；奥地利、比利时、丹麦、法国、德国、希腊、以色列、意大利、荷兰、西班牙、瑞典、瑞士
Wave 2 2006–2010 15 加捷克、爱尔兰、波兰；以色列暂离
Wave 3 2008–2010 14 SHARELIFE（生命史回溯）；爱尔兰加入、以色列退出
Wave 4 2010–2012 16 加爱沙尼亚、匈牙利、葡萄牙、斯洛文尼亚
Wave 5 2013 15 以色列回归、卢森堡加入
Wave 6 2015 19 加克罗地亚；荷兰做混合模式实验，不参加常规波
Wave 7 2017–2018 28 加入保加利亚、塞浦路斯、芬兰、拉脱维亚、立陶宛、马耳他、罗马尼亚、斯洛伐克；荷兰仍为混合模式
Wave 8 2019–2020 28 全 28 国；加速计子研究
Wave 8 – COVID Survey 2020 28 疫情专项一
Wave 9 – COVID Survey 2021 28 疫情专项二
Wave 9 2021–2022 28 田野期因疫情延长 4 个月；新增 child ID 变量，跨波连接子女更容易
Release 9.0.0 2024-03-28 — 当前主发布
DBS Release 2.0.0 2026-04-30 12 21 项标志物齐全

版本机制的关键点：SHARE 是**「波次 + Release 号」双轨**。波次是数据采集的批次，Release 是数据发布的批次。两者不同步——Wave 9 在 2021–2022 采集，2024-03 才 Release 9.0.0。而Release 号统一（9.0.0 涵盖 Wave 1–9），因为每次新 Release 会重算全部历史数据（补缺失、修编码、加变量）。

这意味着：如果你 2020 年用 Release 7.1.0 算了 Wave 1 的某个统计量，2026 年用 Release 9.0.0 再算一次，结果可能不同。这不是错误，是数据修正。论文必须写明 Release 号。

§1.5 典型应用场景

场景 用什么 门槛
跨国健康不平等比较 主数据 Wave 1–9 注册即可
生物年龄与衰老速度 DBS 21 项标志物 注册 + 单独数据集
认知衰退跨国对比 SHARE-HCAP 单独申请
自报收入的准确性 德/丹/芬/荷 行政链接 各国单独协议
疫情对老年人的影响 Corona Survey 1/2 注册即可
就业史与养老金 Job Episodes Panel（JEP） 注册即可
客观身体活动 Wave 8 加速计 注册即可
社会政策与健康 SPLASH 数据库 注册即可
教学与入门 easySHARE 注册（有简化流程）
中国老人对照 与 CHARLS 配对 两边都要申请

§2 跨国面板设计的科学前提

§2.1 为什么「跨国可比」比「样本大」难得多

做一个 17.5 万人的队列不难，难的是让这 17.5 万人在不同语言、不同医疗体系、不同文化下回答同一个问题，并且答案可以放在一起比。

SHARE 为此付出的代价，体现在三个层面：

层面一：翻译与等值性。 问卷要翻成 20 多种语言。「你觉得自己的健康怎么样」这句话，在瑞典语、希腊语、希伯来语里的社会期望完全不同。SHARE 用回译 + 认知访谈 + 心理测量等值性检验来控制，但自报健康仍然不可直接比——这正是 DBS 存在的理由。

层面二：抽样框差异。 28 个国家的抽样框各不相同：有的用人口登记册（北欧），有的用地址抽样（南欧），有的用电话随机拨号。样本的代表性程度不同，官方提供各国权重，但权重只能校正到各国总体，不能消除跨国抽样框的质的差异。

层面三：田野时点差异。 同一波在不同国家的采集时间可以相差 2–3 年。Wave 1 是 2004–2006，同属 Wave 1，但希腊的数据可能比瑞典晚两年。做「同一波内比较」时，这两年的差异是噪音。

这三层代价决定了 SHARE 的正确用法：它适合做**「国家层面均值差异」的比较**（大样本能吸收噪音），不适合做**「个体层面精确预测」**（噪音会淹没信号）。

§2.2 缺失码：SHARE 最容易被误读的部分

SHARE 的缺失值不是 NA，是一套语义化的跳转编码。官方在 Release Guide 里专门有一节讲这个，easySHARE 还特意「enriched the coding of missing values to provide an easier understanding of the routing and filtering of the interviews」。

基本逻辑是：「没回答」有很多种原因，每种原因携带不同信息：

情况 含义 是否应该当缺失
不适用（not applicable） 前置问题没触发（如没工作过的人不问养老金） 不是缺失，是逻辑结果
不知道（don’t know） 问了，受访者不知道 是缺失，但携带信息
拒答（refused） 问了，受访者拒绝 是缺失，携带更强信息
未提问（not asked） 该波次/该国没问这道题 不是缺失，是设计

为什么这很重要：如果你把所有非取值都设成 NA，那么「没工作过所以不问养老金」和「有工作但拒答养老金」会变成同一个缺失。这两类人在任何模型里都应该被区别对待——前者应该从分析里排除这一变量，后者可以做敏感性分析。

更隐蔽的是「未提问」：某个国家在某个波次没问某题，那么在那一波，那个国家的所有人都是「未提问」。如果你把这个当随机缺失处理，会严重低估跨国差异。

§2.3 主数据的文件结构

SHARE 主发布拆成 100+ 个数据文件。拆分的逻辑是模块 × 波次 × 层级：

维度 例子
模块 ph（physical health）、mh（mental health）、ch（children）、sn（social network）、ep（employment & pension）、gs（grip strength）、hc（health care）、it（interviewer）…
波次 每个模块 × 每个波次一个文件，如 ph 在 Wave 1–9 就有 9 个文件
层级 个体级 / 家庭级 / 配偶级

为什么这样拆：因为一个文件里有几千个变量会没法用（Stata 变量数上限、内存、加载时间）。拆分是工程需要。

代价：合并是使用者的责任，而且容易静默出错。合并规则在 Release Guide 里，关键几条：

  • 个体级文件按 mergeid 合并
  • 家庭级文件按 hhid{wave} 合并
  • 同一波的家庭文件与个体文件需要先对齐层级
  • 跨波合并时，hhid 会变（分家、丧偶、迁居），必须用 mergeid 不能用户号

easySHARE 就是为了解决这个问题而生的：把全部波次、全部受访者、选了子集的变量放进一个长格式文件，且做了三件事：

  1. 把「只问了一个配偶」的信息转移到双方
  2. 把「只在首访问的时不变信息」转移到所有后续访谈
  3. 丰富缺失码编码，让跳转逻辑更容易理解

但 easySHARE 有明确的使用边界：官方说它是「for student training, and for researchers who have little experience in quantitative analyses of complex survey data」，并明确「For scientific publications it is recommended to use the main data set of SHARE」。用它发论文需要额外说明理由。

§2.4 干血斑：为什么这个技术选择很关键

DBS（Dried Blood Spot）是指血滴在滤纸上自然干燥。官方对它的定位很明确：minimally invasive method，让血液标志物能在入户访谈时、成规模地采集。

技术上，这个选择解决了三个问题：

问题 DBS 的解法
入户采血不可能配离心机与冷链 滤纸干燥后常温运输
静脉穿刺需要护士，成本高 指血，访谈员培训后可采
大规模多国采血难以标准化 统一采血卡、统一邮寄、统一中心实验室

代价是测量精度。DBS 与静脉血清的值有系统差，且不同标志物的差距不同。官方为此提供了专门的文档：

Börsch-Supan et al. (2024). Biomarkers in SHARE: Documentation of implementation, collection, and analysis of dried blood spot (DBS) samples. NBER Working Paper No. w32764.

这份文档是使用 DBS 数据的前提——它讲了采集方法、田野条件调整（field-condition adjustments）与验证。不做这些调整，跨国的 DBS 值不可比（因为各国气候、运输时间不同，会影响干燥质量）。

§2.5 21 项标志物的三类结构

官方把 21 项分成三组，这个分组本身就是研究设计的体现：

第 1 组：常规血液标志物（7 项，2024 年 5 月发布）

缩写 全称 主要用途
HbA1c 糖化血红蛋白 2 型糖尿病
Total haemoglobin 总血红蛋白 贫血
HDL 高密度脂蛋白胆固醇 心血管
CHO 总胆固醇 心血管
TRG 甘油三酯 代谢
CRP C 反应蛋白 炎症
CYC 胱抑素 C 肾功能

第 2 组：细胞因子与载脂蛋白（10 项，2026 年 4 月发布）

IL-8、IL-16、IL-18、IL-12/23p40、MCP-1、BDNF、VEGF-A、EGF、APOJ/Clusterin、ApoE4。

这一组是炎症与神经保护的核心：IL 系列是炎症因子，BDNF 与 VEGF 是神经营养与血管生成，Clusterin 与 ApoE4 是阿尔茨海默的经典风险标志。

第 3 组：神经退行标志物（4 项，2026 年 4 月发布）

缩写 全称 意义
Total tau 总 tau 蛋白 神经轴突损伤
NfL 神经丝轻链 神经轴突损伤（更敏感）
GFAP 胶质纤维酸性蛋白 星形胶质细胞活化
pTau217 217 位点磷酸化 tau 阿尔茨海默血检的核心指标

pTau217 这一项值得单独说：它是近几年阿尔茨海默血液检测里区分度最高的单一标志物之一。一个跨国、2.7 万人、50 岁以上的队列能测这个，意味着可以直接研究「各国人群的 pTau217 分布差异」——这在其他地方拿不到。

但这 4 项和前面 17 项不是同批测的（2024-05 vs 2026-04，不同实验室），跨批比较必须按文档校正。

§2.6 SHARE 保证什么、不保证什么

保证 不保证
28 国用统一问卷与变量名 自报健康可跨国直接比较（这正是 DBS 的必要性）
22 年纵向追踪 每波都有 28 国（Wave 1 只有 12 国）
政策一致的缺失码体系 缺失码自动被正确解读
DBS 21 项标志物 全样本都有（仅 2.7 万 / 12 国）
四国行政链接 各国都能链接（仅 4 国，且需单独协议）
免费开放给科研用户 任何人可用（需注册 + 签署 + 仅科研）
论文可引用（有 DOI） 结果可商用 ❌

§3 数据规格与通道抉择

§3.0 三条通道

通道 内容 门槛
SHARE Research Data Center（主数据） Release 9.0.0，100+ 文件 个人注册 + 签 User Statement
easySHARE 单文件长格式教学版 同上；教学用途有简化流程
各国链接 / HCAP / DBS 附属数据集 各自单独协议

注册流程（官方四步，实测页面描述）：

  1. 读 Conditions of Use
  2. 下载、填写、签署 SHARE User Statement（PDF）
  3. 提交给 SHARE Research Data Center
  4. 几天内收到访问凭据（个人 user ID + password）

这里有个重要细节：所有申请人都必须填第 1 页；第 2 页只对没有科研机构隶属的人（即需要用「特定科研项目」理由申请的人）。如果有科研机构邮箱，第 1 页填上机构信息即可，「access will be granted for as long as the affiliation remains valid」。

这对中国研究者是好消息：SHARE 的访问没有国别限制（对比 Add Health 的 28 CFR Part 202 排除）。只要是中国高校/科研机构的在职人员，用机构邮箱就能注册。

§3.1 文件地图

层 内容
主数据 100+ 个 .dta，按模块 × 波次拆分
Release Guide PDF，讲变量命名、缺失码、模块合并、跨波创新
问卷 每波每国的问卷原件（多语言）
方法论卷 Methodology Volumes，每波的实施方法
技术报告 Sample 技术论文（响应率、留存率）
附属数据集 DBS、HCAP、加速计、Corona 1/2、easySHARE、JEP、SPLASH、访谈员调查、四国链接、荷兰混合模式实验
合规档案 Compliance Profiles（每波一份）

Release Guide 是最该先读的一份。官方对它的描述：contains general information on the SHARE database like naming of variables, missing code scheme, merging modules and/or waves as well as wave-specific information like important questionnaire innovations, methodological advancements and new procedures introduced between waves.

「questionnaire innovations」这个词很关键——它暗示问卷不是一成不变的。每波都有改动，改动记录在 Release Guide 里。不读这个，你会以为 ph006_ 在九波里都是同一道题。

§3.2 下载预算

官方未公开准确体积。可确定的信息：

项 信息
主发布文件数 100+
easySHARE 单文件（含全部受访者 × 全部波次，变量为子集）
DBS 单独数据集，21 项标志物
文档 Release Guide + 每波问卷 + 方法论卷 + 技术论文，全部 PDF

实测下载量参考（2024/2025 官方 KPI）：

年 下载次数
2024 20,341
2025 16,963

2025 年下载量比 2024 年下降 16.6%——官方未解释原因。这个数字本身值得注意：它说明 SHARE 的实际使用频率是每年 1.7–2 万次下载量级，不是「几万人在天天用」。

§3.3 版本机制

双轨版本：

轨 标识 例子
Release 号 统一的全库版本 9.0.0（2024-03-28）
波次 DOI 每波一个 DOI Wave 1: 10.6103/SHARE.w1.900

完整的 DOI 清单（官方引用页原文，13 个）：

10.6103/SHARE.w1.900      10.6103/SHARE.w6.DBS.200
10.6103/SHARE.w2.900      10.6103/SHARE.w7.900
10.6103/SHARE.w3.900      10.6103/SHARE.w8.900
10.6103/SHARE.w4.900      10.6103/SHARE.w8ca.900
10.6103/SHARE.w5.900      10.6103/SHARE.w9.900
10.6103/SHARE.w6.900      10.6103/SHARE.w9ca900
                          10.6103/SHARE.HCAP1.100

注意 DOI 后缀的含义：900 = Release 9.0.0 的常规波次；200 = DBS Release 2.0.0；900 的 ca 变体 = Corona Survey；100 = HCAP Release 1.0.0。

钉版本的正确写法：

SHARE Release 9.0.0（2024-03-28）
Wave 1 DOI: 10.6103/SHARE.w1.900
DBS Release 2.0.0（2026-04-30），DOI: 10.6103/SHARE.w6.DBS.200

只写「SHARE 数据」不够——不同 Release 的同一变量可能不同值。

§3.4 技术栈与溯源链

层 用什么
采集 CAPI（计算机辅助面访）+ 自填纸质问卷
生物测量 体能测试（握力计、肺功能仪、秒表）+ DBS 采血卡
中心实验室 第一批（7 项）：未公开；第二批（14 项）：Statens Serum Institut，哥本哈根
认知 SHARE-HCAP（与 HRS-HCAP / ELSA-HCAP 同协议）
客观活动 加速计（Wave 8）
行政链接 各国统计/保险机构直接对接
存储与分发 SHARE Research Data Center（唯一在线下载点）
分析软件 Stata 为主（.dta），Release Guide 含 SPSS / R 指引
网站 CMS TYPO3（可从 404 页的 “TYPO3 is an open source content management system” 看出）

溯源链的关键环节：mergeid（人）+ hhid{wave}（家庭 × 波次）+ wave（波次）+ country（国家）。四元组定位一条记录。

§4 记录结构与字段字典

§4.1 一条记录的结构

SHARE 的记录单位是**「一个受访者 × 一个波次 × 一个模块」**：

mergeid (人) × wave (波次) × module (模块) → 一条记录

和 Add Health 的差别：Add Health 是「一人一波一文件」为主，SHARE 是「一人一波一模块」。SHARE 的模块更多、拆得更细（20 个问卷模块 + 生物测量 + 认知 + 加速计），所以文件数达到 100+。

这也意味着 merge 更复杂：做一次「健康 + 就业 + 社会网络」的分析，至少要 merge 三个模块文件；做跨波，要再乘波次数。

§4.2 问卷模块的构成

官方对 Wave 1 的描述是「20 modules on health, socio-economics and social networks」。从文件命名可以反推主要模块：

模块代号 内容
ph Physical Health（身体健康、疾病、症状、ADL/IADL）
mh Mental Health（抑郁、认知、生活满意度）
ch Children（子女、代际转移）
sn Social Network（社交网络、社会支持）
ep Employment & Pension（就业、养老金）
gs Grip Strength（握力）
hc Health Care（医疗使用、保险）
it Interviewer（访谈员观察）
hh Household（家庭结构、收入、资产）
cs Childhood / SHARELIFE（生命史）
ac Activities（日常活动）
ex Expectations（预期）
br Behavioural Risk（吸烟、饮酒、运动）
sp Spouse（配偶信息）

这不是官方完整清单（官方未在公开页面给出模块代号表），而是从文件命名惯例与问卷内容反推的。实际使用请以 Release Guide 为准。

§4.3 缺失码的实操处理

这是最容易踩坑的地方。 具体建议：

* 错误做法：把所有负值当成缺失
mvdecode _all, mv(-1/-9 = .)

* 正确做法：分类型处理
* 假设 -1=不知道, -2=拒答, -3=不适用, -4=未提问（具体取值以 Release Guide 为准）
* 分析某个变量时，只把「不知道」和「拒答」当缺失
* 「不适用」应该用子样本分析（只看适用人群）
* 「未提问」应该标记为设计缺失，在跨国比较时报告

为什么不能一刀切：因为「不适用」的人群不是随机的。比如问「养老金收入」，只有曾经工作过的人会被问。如果当成随机缺失，模型会把「从未工作」这个强预测因子抹掉。

§4.4 干血斑数据的三个技术属性

属性 表现 处理
田野条件调整 不同国家气候、运输时间影响干燥质量 按 Börsch-Supan et al. (2024) 的方法调整
两批检测 7 项（2024-05）与 14 项（2026-04）不同批 跨批比较需校正；同批内比较较安全
仅 12 国 未采样的 16 国无 DBS 用 DBS 做跨国比较只能在这 12 国内做

第三条最容易被忽略：看到「SHARE 有 28 国」和「SHARE 有 DBS」，很容易以为「28 国都有 DBS」。实际只有 12 国（比利时、瑞士、德国、丹麦、爱沙尼亚、西班牙、法国、希腊、意大利、瑞典、斯洛文尼亚、以色列）。注意这份名单里没有荷兰、没有波兰、没有奥地利——这些都是 SHARE 的大国。

§4.5 行政记录链接的分国差异

四国的链接方式完全不同，不能当成一个统一的「链接数据集」：

国家 项目名 链接机构 特点
德国 SHARE-RV 德国养老保险机构（Deutsche Rentenversicherung） 链接就业与养老金记录
丹麦 REGLINK-SHAREDK Statistics Denmark + Danish Health Data Authority 链接全国登记（含健康）
芬兰 REGLINK-SHAREFI Statistics Finland + Finnish Centre for Pensions + Kela 含社保与养老金
荷兰 Linkage SHARE NL Statistics Netherlands（CBS） 链接行政微观数据

差异的关键：丹麦能链健康数据（因为有全国健康登记），德国主要链养老金，芬兰链社保，荷兰链 CBS 的微观数据。做「四国合并的行政链接分析」是做不到的——各国有各自的变量集。

§4.6 一个容易忽略的事实：easySHARE 的三个「转移」

官方对 easySHARE 的改造描述里，藏着三个重要的数据设计决定：

  1. 「只问了一个配偶的信息 → 转移到双方」：SHARE 的家庭问卷可能只问一户中的一人（通常是「家庭 respondent」），但信息影响双方。easySHARE 把它复制给两人。在主数据里，你必须自己判断哪些变量是「家庭级」而非「个体级」。
  2. 「只在首访问的时不变信息 → 转移到所有后续访谈」：出生年、性别、童年信息只在 Wave 1（或 SHARELIFE）问，后续不再问。easySHARE 自动复制。在主数据里，这些变量只在某些波次文件里，merge 时容易漏。
  3. 「缺失码编码被丰富以更好理解跳转」：主数据的缺失码更「原始」，easySHARE 做了语义化。这是 easySHARE 相对主数据的一个真实优势——不是为了简化而简化，是为了让跳转逻辑可见。

这三条的含义：easySHARE 不只是「变量少的版本」，它做了三个数据工程上的改进。官方推荐科研用主数据，但如果你的分析主要涉及 easySHARE 覆盖的变量，用 easySHARE 可能比自己做 merge 更不容易出错。

§5 检索、抽样与泄漏分析

§5.0 四条可用的检索路径

路径一：Release Guide 全文检索

PDF 可下载。找变量命名规则、缺失码、跨波改动，先查这份。

路径二：问卷原件

每波每国的问卷都在文档区（多语言）。找「这道题原文怎么问的」，查这个。

路径三：Data and Documentation Tool

官方提供的工具，配合 Release Guide 使用。

路径四：Publication Database

4,858 篇论文的数据库。找「别人怎么用这个变量」，从这里入手最快。

§5.1 抽样策略：不能抽样，只能分层

SHARE 已经是分层后的样本。在其上再抽样会破坏权重。

正确做法：

目的 做法
跨国比较 用各国权重 + 报告设计效应
纵向分析 用纵向权重；报告流失率
DBS 分析 明确 12 国子样本，不能外推到 28 国
教学 用 easySHARE，不强调代表性

绝对不能做的：

  1. 随机切 train/test——同一个人跨波出现，同家庭的人相关。
  2. 按国家切——那测的是跨国外推能力，不是模型能力。

§5.1.1 什么时候不该用 SHARE

四条越界：

  1. 要商用数据 → ❌ 明令禁止，无例外。
  2. 要 28 国全齐的纵向面板 → ❌ Wave 1 只有 12 国，早期波次无法做 28 国比较。
  3. 要全样本生物标志物 → ❌ DBS 只有 2.7 万 / 12 国。
  4. 要可直接训练的多模态语料 → ❌ 主数据是 100+ 个 Stata 文件，需大量工程。

§5.2 三类真实泄漏，按危害排序

泄漏一：同一人跨波次（危害最大）

mergeid 在 Wave 1 与 Wave 9 各有一条记录。随机切分会把同一人的不同时点分到两边，模型学的是「这个人的稳定特征」。

  • 处理：GroupKFold(groups=mergeid)

泄漏二：同家庭群内相关（危害中高）

SHARE 的抽样单位是家庭，夫妻双方都被访。把夫妻分到两边 = 泄漏。

  • 处理：按 hhid 分组切分（比 mergeid 更粗，能防止夫妻泄漏）

泄漏三：同国 × 同波的结构相关（危害中）

同一国同一波的样本共享抽样框、访谈员、田野时点。按国家切会造成巨大分布偏移（不同国家差异太大），但不按国家切又会泄漏。

  • 处理：按国家分层，层内按 hhid 分组切分。这样保证每国在 train/test 都有，同时避免家庭泄漏。

§5.3 结构泄漏：问卷跳转的信息

  • 跳转逻辑：「只对 60 岁以上问这道题」→ 该题有值就泄漏了年龄区间。
  • 模块缺失：某模块只在某些波次有 → 「该模块非空」泄漏了波次。
  • 国家特定题：某些国家有国情特定题 → 「该题有值」泄漏了国家。

判断标准：这个字段的值（含缺失类型）是否在目标变量之前就已确定？ 是则不能进特征。

§5.4 一个不该做的划分：按国家切

「用北欧训练，用南欧测试」——听起来像跨域泛化研究，实际是测文化差异，不是测模型。

原因：28 国的健康水平、医疗体系、收入分布、问卷理解都有系统差异。用北欧训练、南欧测试，测出来的是「模型能否适应完全不同的数据分布」，这个数字无法与任何已有研究比较。

正确做法：按国家分层，层内分组切分；把「跨国外推」作为单独报告的维度。

§6 AI 就绪指南

§6.1 最小可用 Pipeline

* 1) 先读 Release Guide，确认缺失码取值
* 2) 按 mergeid 合并模块（示例：ph + mh + hh，Wave 8）
use "sharew8_rel9-0-0_ph.dta", clear
merge 1:1 mergeid using "sharew8_rel9-0-0_mh.dta", keep(master match) nogen
merge m:1 hhid8   using "sharew8_rel9-0-0_hh.dta", keep(master match) nogen

* 3) 缺失码分类处理（取值以 Release Guide 为准）
*    -1 不知道 / -2 拒答 → 设为缺失
*    -3 不适用 / -4 未提问 → 保留标记，不设缺失
foreach v of varlist ph* {
    replace `v' = . if inlist(`v', -1, -2)
}

* 4) 设定抽样设计（国家 × 波次）
svyset [pw = w8_weight], strata(country)

* 5) 分析
svy: mean ph006_        // 自报健康
svy: proportion ph011_  // 慢病比例

library(haven); library(dplyr); library(survey)
ph <- read_dta("sharew8_rel9-0-0_ph.dta")
mh <- read_dta("sharew8_rel9-0-0_mh.dta")
dat <- inner_join(ph, mh, by = "mergeid")
# 注意：不适用(-3)与未提问(-4)不能设成 NA
dat <- dat |> mutate(across(starts_with("ph"), ~ ifelse(.x %in% c(-1,-2), NA, .x)))
des <- svydesign(ids = ~1, strata = ~country, weights = ~w8_weight, data = dat)
svymean(~ph006_, des, na.rm = TRUE)

三个必须加的东西：

  1. nogen / 显式处理 merge 变量——不处理会生成 _merge 列并在后续 merge 时冲突。
  2. 缺失码分类处理——不要 mvdecode -1/-9 一刀切。
  3. strata(country)——跨国分析必须按国家分层。

§6.2 构建训练样本

任务 A：跨国健康不平等

* 用 Wave 8 全 28 国，比较各国自报健康与客观指标
use "sharew8_rel9-0-0_ph.dta", clear
svyset [pw = w8_weight], strata(country)
svy: mean ph006_, over(country)

任务 B：DBS 与自报健康的一致性（12 国子样本）

* 注意：只有 12 国有 DBS，必须先做子样本声明
use "share_dbs.dta", clear
merge 1:1 mergeid using "sharew6_rel9-0-0_ph.dta", keep(match)
* 比较自报糖尿病 vs HbA1c 判定

任务 C：行政链接校正自报收入（单国）

四国分别做，不能合并。

§6.3 评价指标

任务 主指标 注意
跨国均值比较 加权均值 + 95% CI 必须报设计效应
个体预测 AUC / RMSE 报告时说明「个体层面预测在跨国数据上本来就弱」
自报 vs 客观一致性 Kappa / 灵敏度 / 特异度 分国报告，不能汇成一个数
纵向轨迹 个体内变化 关注 within-person

一个必须说清的点：不能用一个「跨国平均 AUC」来评价模型。28 国的基线风险差异巨大，平均 AUC 会把「国家间的差异」和「模型能力」混在一起。必须分国报告，或报「国家固定效应调整后的 AUC」。

§6.4 MLOps：怎么钉版本

dataset: share
release: "9.0.0"
release_date: "2024-03-28"
wave_dois:
  w1: "10.6103/SHARE.w1.900"
  w8: "10.6103/SHARE.w8.900"
dbs_release: "2.0.0"
dbs_doi: "10.6103/SHARE.w6.DBS.200"
modules: [ph, mh, hh]
countries: [list of 28 or subset]
weights: w8_weight
missing_code_scheme: "Release Guide 9.0.0 §x"
accessed: "2026-10-23"

missing_code_scheme 这一行很关键：因为缺失码在不同 Release 之间可能微调。写明你用的 Release Guide 版本，才能复现。

§6.5 八个真实坑点

坑点 1：主数据是 100+ 个文件，不是「一个数据集」

  • 症状：下载后发现是一堆按模块拆开的 .dta，不知道从哪开始。
  • 原因：SHARE 按「模块 × 波次」拆分以控制单文件变量数。
  • 解法：先用 easySHARE 摸清结构，或严格按 Release Guide 的合并顺序做。合并必须用 mergeid（人），家庭级用 hhid{wave}。
  • 参考：Release Guide 9.0.0 的 merging 章节。

坑点 2：缺失码不是 NA，是语义编码

  • 症状：mvdecode -1/-9 之后，发现某些变量的有效样本莫名其妙少了很多。
  • 原因：SHARE 用不同负值区分「不知道 / 拒答 / 不适用 / 未提问」，一刀切会把「不适用」也当缺失。
  • 解法：按 Release Guide 分别处理；「不适用」用子样本，「未提问」标设计缺失。
  • 参考：Release Guide 的 missing code scheme 章节；easySHARE 的 enriched coding。

坑点 3：Wave 6/7 荷兰不是常规波次

  • 症状：按「28 国」处理 Wave 6/7，发现荷兰的数据结构与其他国家不一致。
  • 原因：官方注明荷兰在这两波做的是 mixed mode experiment，不参加常规问卷。
  • 解法：Wave 6/7 的跨国分析要么排除荷兰，要么把它单独作为一个模式组。
  • 参考：/data/data-documentation/waves-overview 表格下方的脚注。

坑点 4：Wave 1 只有 12 国

  • 症状：想做「2004 到 2024 的 28 国趋势」，发现 Wave 1 缺 16 国。
  • 原因：国家是逐波加入的（Wave 1 12 国 → Wave 7 才 28 国）。
  • 解法：做长期趋势只能在不平衡面板上做，或限制在「全程参与的 12 国」子样本。
  • 参考：波次表的参与国列。

坑点 5：DBS 只有 12 国、2.7 万人

  • 症状：以为 SHARE 全样本都有生物标志物，结果发现覆盖率不到 16%。
  • 原因：DBS 是子研究，只在 12 国采集约 27,000 人。
  • 解法：DBS 分析的结论只能外推到这 12 国；且要声明「这 12 国不是随机选的」。
  • 参考：/data/data-set-details/share-dbs 的国家名单。

坑点 6：21 项标志物分两批检测

  • 症状：把 7 项和 14 项放在同一个模型里，发现批次效应明显。
  • 原因：第一批 2024-05 发布，第二批 2026-04 在 Statens Serum Institut 检测，实验室与时间都不同。
  • 解法：加批次固定效应；或只在同批内做比较；报告批次处理方式。
  • 参考：DBS 数据集页的「7 biomarkers — released May 2024 / 14 additional — released April 2026」。

坑点 7：严禁商用，且不是「申请可批」

  • 症状：以为像其他数据集一样，商用可以申请授权。
  • 原因：官方原文是「any other uses, such as a commercial use of the data, are excluded as matter of principle」——原则上排除，理由是对受访者的伦理承诺。
  • 解法：无例外通道。商用场景请改用其他数据源。
  • 参考：/data/become-a-user 与 Conditions of Use §2。

坑点 8：easySHARE 不能无脑用于发表

  • 症状：用 easySHARE 做了分析，投稿被审稿人质疑代表性。
  • 原因：官方明确 easySHARE 是「for student training, and for researchers who have little experience」，并推荐科研用主数据。
  • 解法：用主数据；若必须用 easySHARE，需在方法部分说明理由并验证关键变量与主数据一致。
  • 参考：/data/data-set-details/easyshare 与引用页。

§7 质量评估、DAIMS 与口径交叉核对

§7.1 记录级质量

检查项 状态 说明
纵向主键稳定 ✅ mergeid 跨波恒定
跨国变量名统一 ✅ 核心设计目标
权重体系 ✅ 各国独立计算 + 校正权重
缺失码语义化 ✅ 四类区分，有专门文档
文件级文档 ✅ Release Guide + 问卷 + 方法论卷
DBS 文档 ✅ NBER WP w32764 专文
行政链接文档 ⚠️ 四国各自文档，无统一说明
主数据文件数 ⚠️ 100+ 个，合并成本高
早期波次国家覆盖 ⚠️ Wave 1 仅 12 国
生物标志物覆盖 ❌ 仅 12 国 / 2.7 万人
商用许可 ❌ 明令禁止
免费开放 ✅ 注册即可，无国别限制

§7.2 抽样声明：本条目数字的边界

  1. 「175,000」「690,000」「27,000」都是官方约数（原文用 about / around / approximately）。
  2. 各国样本量官方未在公开页给出，我们只知道波次级参与国数（N）与国名列表。
  3. 主发布的文件数、变量数、总体积官方未公开，只有「more than 100 single data files」这一句。
  4. 论文数 4,858 与用户数 24,000 取自 KPI 页的「SHARE in numbers」区块；正文另有一处「23,360 user registrations by the end of 2025」——这两个数不一致，见 §7.7。
  5. 我们没有下载任何 SHARE 数据，所有结构描述来自官方文档。
  6. **「18 个全球姊妹研究」**取自 KPI 页，我们未逐一列举核实。

§7.3 三个必须知道的效度问题

问题一：自报健康不可跨国比较。

这是 SHARE 自己承认的，也是 DBS 存在的最强理由。官方原文：血液标志物 not affected by cross-cultural differences in how people self-report their health。

后果：任何用自报健康做的跨国比较，都可能测的是「各国人怎么描述健康」而不是「各国人有多健康」。必须用 DBS 或体能测量做交叉验证。

问题二：跨国抽样框的质的差异无法用权重消除。

北歐用人口登记册，南欧用地址抽样。登记册抽样的覆盖率接近 100%，地址抽样的覆盖率取决于地址库质量。 加权只能校正到「各国总体分布」，不能消除「抽样框本身的覆盖偏差」。

后果：跨国比较的置信区间应该比统计软件给出的更宽。建议做敏感性分析：只用北欧国家、只用南欧国家，看结论是否稳定。

问题三：Wave 6/7 荷兰的模式实验破坏了面板同质性。

荷兰在这两波用混合模式（可能包含网络/电话），其他国家用 CAPI。模式效应（mode effect）会与真实变化混在一起。

后果：做 Wave 6/7 的荷兰相关分析，必须把模式作为一个协变量。

§7.4 偏倚清单（可核查）

偏倚 表现 核查方式
自报偏倚 各国对「健康」的理解不同 对比 DBS 客观指标
抽样框偏倚 北欧覆盖好、南欧依赖地址库 对比各国响应率
田野时点偏倚 同一波跨国相差 2–3 年 用 int_month / int_year
模式偏倚 Wave 6/7 荷兰混合模式 单独标记荷兰
流失偏倚 高龄、健康状况差者退出 对比各波留存率（技术论文）
语言偏倚 翻译等值性 官方做等值性检验
幸存者偏倚 死亡者不在后续波 死亡率链接（部分国家）
选择偏倚（DBS） 12 国非随机选 对比 12 国与 28 国的基线差异

「田野时点偏倚」这一行值得展开：Wave 2 的官方年份是 2006–2010，跨 5 年。这意味着同属 Wave 2，先采的国家与后采的国家差了 4 年。如果不控制 int_year，趋势分析会把田野时点差异当成真实变化。

§7.5 数据完整性核查表

检查 方法 结果
波次与国家数一致 波次表 vs KPI 页「28 countries」 ✅ Wave 7 起 28 国
波次数一致 波次表 vs 「10 Survey Waves」 ✅ 主波 9 + Corona 相关计入，官方口径为 10
DOI 齐全 引用页列出 ✅ 13 个 DOI
DBS 标志物可加总 7 + 10 + 4 = 21 ✅ 与「21 biomarkers」一致
DBS 国家数 页面明确列出 12 国 ✅ 可逐一点数
访问无国别限制 条款未列排除国 ✅ 与 Add Health 不同
商用明确禁止 「excluded as matter of principle」 ✅ 无歧义
论文数与用户数一致 KPI 正文 vs 「in numbers」区块 ⚠️ 见 §7.7

§7.6 DAIMS 24 项逐项评分

✅=1 / ⚠️=0.5 / ❌=0

# 维度 判 依据
1 数据集唯一标识 ✅ SHARE + Release 9.0.0
2 持久标识符 ✅ 13 个 DataCite DOI（10.6103 前缀）
3 版本化 ✅ Release 号 + 波次 DOI 双轨
4 元数据标准 ⚠️ 有结构化文档，无 DDI 等标准元数据导出
5 元数据完整性 ✅ Release Guide + 问卷 + 方法论卷
6 字段字典 ⚠️ 变量说明分散在 Release Guide 与各模块文档，无统一变量检索器
7 数据字典/模式 ✅ 模块化文件结构清晰
8 机器可读格式 ⚠️ Stata .dta 为主；文档为 PDF
9 API 可得 ❌ 无 API，只有网页下载
10 批量下载 ⚠️ 可批量，但 100+ 文件需手工组织
11 许可明确 ✅ Conditions of Use 极详尽（12 节）
12 许可机器可读 ❌ 网页文本，无 SPDX
13 溯源 ✅ Release + DOI + 波次 + 国家，链条完整
14 引用规范 ✅ 逐字模板 + 13 个 DOI 全列出
15 数据来源声明 ✅ 抽样设计、国家列表、波次年份全公开
16 更新频率声明 ✅ 波次 + Release 节奏明确
17 缺失值说明 ✅ 专门章节 + easySHARE 增强编码
18 质量控制声明 ✅ 技术论文（响应率/留存率）+ Compliance Profiles
19 抽样/覆盖说明 ✅ Sample 页 + 技术论文
20 文档完整性 ✅ 问卷多语言 + 方法论卷 + Release Guide
21 示例/教程 ✅ easySHARE 含 Stata 提取程序与 SPSS/R 指引
22 社区支持 ✅ FAQs + 用户工作坊 + 各国团队
23 长期保存承诺 ✅ SHARE-ERIC 法定基础设施，22 年运营
24 伦理/隐私声明 ✅ Conditions of Use §6/§7/§8 专章

总分：19.5 / 24 = 81.3%

与 Add Health 同分，但扣分点不同：SHARE 扣在技术侧（无 API、无标准元数据、文档分散），Add Health 也扣在技术侧但多了可及性扣分（公开版仅有子样本、国别限制）。SHARE 在「可及性」上比 Add Health 好得多——无国别限制、免费、几天批下来。

§7.7 口径交叉核对矩阵（不是模型性能验证）

对照一：用户数的两个说法

位置 说法
KPI 正文 「In 2024, SHARE passed the mark of 20,000 registered SHARE users, with a total of 23,360 user registrations by the end of 2025」
「SHARE in numbers」区块 「24,000 SHARE users」

差 640。可能的解释：区块是取整的展示值（向上取到 24,000），正文是精确值（23,360）。引用时用 23,360 并标明年份更稳。

对照二：波次数的两个口径

位置 说法
「SHARE in numbers」区块 「10 Number of Survey Waves conducted」
波次表 主波 Wave 1–9（9 个）+ Wave 8 COVID Survey + Wave 9 COVID Survey + Corona Survey 1/2

「10」是官方口径，但它不是「10 个主波」——主波只有 9 个。第 10 个计入的是什么，官方未明说。做分析时必须明确「我用的是 9 个主波」，不能引用「10 波」当作主波数。

对照三：DBS 的三处数字

位置 说法
新闻页（2026-05-04） 「21 blood biomarkers… from 12 countries」
DBS 数据集页 「21 blood-based biomarkers… around 27,000 adults… twelve European countries」
引用 DOI 10.6103/SHARE.w6.DBS.200（编号里带 w6）

三处一致。但DOI 里的 w6 容易被误读为「只有 Wave 6 有 DBS」——实际 DBS 是在 Wave 6 采集的（所以编号带 w6），但 Release 2.0.0 是 2026 年发布。Wave 6 采集 ≠ Wave 6 发布。

§8 生态位与相邻资源

§8.1 SHARE 在网络里的位置

                    28 国国家团队（各自抽样、各自田野）
                              │
                              ▼
                ┌──────────────────────────────┐
                │  SHARE-ERIC（柏林）协调       │
                │  Release 9.0.0 / 100+ 文件    │
                └───┬────────┬────────┬────────┘
                    │        │        │
          ┌─────────▼──┐ ┌───▼────┐ ┌─▼──────────┐
          │ 主数据      │ │ DBS    │ │ 附属数据集  │
          │ CAPI 问卷   │ │ 21 项  │ │ HCAP/加速计 │
          │ 20 模块     │ │ 12 国  │ │ Corona/JEP  │
          └────────────┘ └────────┘ └─────┬──────┘
                                          │
                              ┌───────────▼──────────┐
                              │ 四国行政记录链接      │
                              │ DE / DK / FI / NL    │
                              └──────────────────────┘
本站条目 关系 怎么配合
HRS（#135） 姊妹调查（美国原型） SHARE 的问卷框架源自 HRS；两者可做美欧对照
CHARLS（#145） 姊妹调查（中国） 同为 HRS 家族，可与 SHARE 做中欧对照
Add Health（#1354） 同域不同段（青少年起） Add Health 覆盖 12–44 岁，SHARE 覆盖 50+，年龄上互补
ELSA（已有/待收） 姊妹调查（英国） ELSA 与 SHARE 有大量重合变量
MHAS 姊妹调查（墨西哥） 同家族
SHARE-HCAP 子研究 与 HRS-HCAP、ELSA-HCAP 同协议，可三国对比
UK Biobank 深度 vs 广度 UKB 单国但组学深；SHARE 多国但组学浅
WHO GHO 宏观对照 GHO 是国家层面汇总，SHARE 是个体层面，可做多层次分析
Eurostat 上下文 可给 SHARE 补国家层面政策变量（SPLASH 已部分做了）

最值得配的一对是 SHARE + CHARLS：两者都是 HRS 家族的成员，问卷框架相通，可以做「中国 vs 欧洲 28 国」的老龄化对比。这是中文学界最缺的一类研究——单国队列已经很多，跨国对照极少。

§8.3 为什么一个「医学数据集站」要收它

三个理由：

  1. 它是「可比性」这件事的教科书案例。 大部分数据集比的是「量大」，SHARE 比的是「能否放在一起」。理解 SHARE 的设计取舍，就理解了跨国研究的全部难点。
  2. 干血斑 + 神经退行标志物 + 跨国，这个组合是唯一的。 21 项标志物里有 pTau217、NfL、GFAP——这是阿尔茨海默血检的三大核心指标，能在一个 2.7 万人的跨国队列上拿到，是稀缺资源。
  3. 它的「不能做什么」写得很清楚。 禁商用、仅科研、需签署——一个把边界写明白的数据集，比一个「什么都能做」的数据集更值得信任。

§9 许可、伦理与合规

§9.1 许可结构：不是许可，是使用协议

SHARE 没有开放许可，只有使用协议（Conditions of Use，12 节）：

节 内容
1 范围与主题：适用于所有通过 SHARE Research Data Center 分发的数据
2 基本使用要求与资格规则：仅限科研目的
3 知识产权与用户许可：数据所有权归 SHARE-ERIC；用户获得有限许可
4 申请人与用户的信息义务
5 通知与引用义务
6 数据保护与隐私规则
7 保密规则
8 伦理
9 用户数据隐私政策
10 免责声明
11 违反后果
12 条款更新

核心三条：

  1. 仅限科研：「the SHARE data may be used for scientific purposes only」
  2. 商用排除：「any other uses, such as a commercial use of the data, are excluded as matter of principle」
  3. 个人注册：「access to the SHARE data will only be granted on an individual basis」

§9.2 商用禁令的伦理基础

这一条值得单独说，因为它的理由不是法律，是对受访者的承诺：

SHARE-ERIC promises to the participants in the study that the data will not be used for other purposes.

这句话的含义：受访者在同意参与时，被告知数据只用于科研。如果他们后来发现数据被用于商业目的，那就是违约，而不只是违反许可。

「as matter of principle」这个措辞很关键——它意味着没有例外审批通道。对比其他数据集（如 UK Biobank 有商用申请流程），SHARE 是结构性排除。

对 AI 的实际影响：如果训练一个商用模型用了 SHARE 数据，即使只是聚合统计量，也可能构成违规。安全做法是：完全不把 SHARE 数据用于任何有商业目的的项目。

§9.3 访问资格：无国别限制

这是 SHARE 相对 Add Health 的一个显著优势。SHARE 的资格要求是：

  • 有科研机构隶属（最简便的证明是机构邮箱）
  • 同意 Conditions of Use
  • 签署 User Statement
  • 仅用于科研

没有国别列表，没有 28 CFR 之类的法规排除。 中国高校/科研机构的在职人员，用机构邮箱即可申请。

没有机构隶属的申请人（如独立研究者）需要填 User Statement 第 2 页，说明具体科研项目，只在「有正当理由的特定项目」情形下批准。

§9.4 引用要求：13 个 DOI 一个不能少

官方给出的致谢模板极长，核心是13 个 DOI 全部列出：

This paper uses data from SHARE Waves 1, 2, 3, 4, 5, 6, 7, 8 and 9 (DOIs: 10.6103/SHARE.w1.900, … 10.6103/SHARE.HCAP1.100) see Börsch-Supan et al. (2013) for methodological details.

实操建议：只列出你实际用到的波次的 DOI。虽然模板列全了 9 波，但如果只用了 Wave 8，列出全部 9 个 DOI 反而不准确。官方模板是「如果你用了全部」，用哪个列哪个更严谨。

另外必须引用方法学论文：

Börsch-Supan, A., Brandt, M., Hunkler, C., Kneip, T., Korbmacher, J., Malter, F., Schaan, B., Stuck, S., Zuber, S. (2013). Data Resource Profile: The Survey of Health, Ageing and Retirement in Europe (SHARE). International Journal of Epidemiology. DOI: 10.1093/ije/dyt088.

§9.5 数据保护与隐私

Conditions of Use §6 规定：

  • 受访者匿名
  • 适用欧盟与各国数据保护法
  • 不得试图重识别

具体的披露控制规则官方未在公开页列出细节（与 Add Health 的「每格 ≥10」不同）。但基本的匿名承诺是明确的。

§10 复用边界与跨条目协作手册

§10.1 决策树：什么时候该用 SHARE

你的研究问题是什么？
├─ 跨国健康不平等
│   └─ SHARE ✅（唯一选择）
├─ 单国内部老龄化
│   ├─ 中国 → CHARLS ✅
│   ├─ 美国 → HRS ✅
│   └─ 英国 → ELSA ✅
├─ 生物标志物与认知衰退
│   ├─ 要跨国 → SHARE-DBS + HCAP ✅
│   └─ 要深度组学 → UK Biobank ✅
├─ 自报 vs 客观的一致性
│   ├─ 要收入 → SHARE 四国链接 ✅
│   └─ 要健康 → SHARE-DBS ✅
└─ 商用产品训练
    └─ ❌ 明令禁止，无例外

§10.2 与 HRS / CHARLS 的配对（HRS 家族）

调查 国家 样本 起始 与 SHARE 的关系
HRS 美国 ~20,000 1992 原型——SHARE 问卷源自 HRS
SHARE 欧洲 28 国 175,000 2004 欧洲扩展
CHARLS 中国 ~17,700 2011 中国对应物
ELSA 英国 ~12,000 2002 英国对应物
MHAS 墨西哥 ~15,000 2001 拉美对应物

共同点：核心变量集（健康、认知、经济、社会网络）高度可比。这意味着可以拼出一个覆盖 30+ 国的个体级面板的「概念上的」合并数据集——但不能真合并（个体级数据不能跨国合并，且各国版本不可比）。

正确的用法：分别分析，然后比较结果。比如「各国 60 岁人群的认知得分分布」——各自算，然后放在一张图里。

§10.3 与 Add Health 的配对（年龄互补）

维度 Add Health SHARE
年龄起点 12–18 50+
年龄终点 44（Wave VI） 无上限
采样年代 1994–95 2004 起
国家 1（美） 28（欧）
生物标志物 DBS（受限版） DBS（12 国 / 2.7 万）
AI 政策 禁止 未明文禁止，但仅科研

能配合的地方：Add Health 覆盖 12–44 岁，SHARE 覆盖 50+。理论上可以拼出 12→75 岁的完整生命历程——但用的是两批人（美国人 + 欧洲人），不是同一批人。这是「概念上的衔接」，不是真实的纵向追踪。

§10.4 许可梯度对照

资源 类型 免费 需注册 商用 中国机构可得
SHARE 主数据 使用协议 ✅ ✅ ❌ ✅
SHARE easySHARE 使用协议 ✅ ✅ ❌ ✅
SHARE-DBS 使用协议 ✅ ✅ ❌ ✅
SHARE 四国链接 各国协议 ✅ ✅ + 各国审批 ❌ 视各国
Add Health 公开版 使用协议 ✅ 条款 ❌ LLM ✅
Add Health 受限版 合同 ✅ 合同 ❌ ❌
CHARLS 注册 ✅ ✅ 视条款 ✅

「SHARE 中国机构可得」这一行是相对优势：与 Add Health 不同，SHARE 没有国别排除，中国研究者可以完整使用（包括 DBS）。

§10.5 三个"不要做"

  1. 不要把 SHARE 用于任何商业目的。 官方原文是「原则上排除」，无例外通道。
  2. 不要假设每波都有 28 国。 Wave 1 只有 12 国，Wave 7 才到 28 国。
  3. 不要把自报健康直接跨国比较。 这是 SHARE 自己承认的问题，也是 DBS 存在的理由。

§10.6 一句话总结

SHARE 是「用统一标尺量 28 国老去过程」的那把尺子——它的价值不在 17.5 万人，在于这 17.5 万人回答的是同一批问题；而它最锋利的刻度，是那 2.7 万份干血斑。

附录 A：本篇数字速查

项 数值 出处
起始年 2004 KPI 页
经验年数 25+ 「SHARE in numbers」
国家数 28 KPI 页
受访者 ~175,000 KPI 页
累计访谈 ~690,000 KPI 页
论文数 4,858 「SHARE in numbers」
数据用户（区块） 24,000 「SHARE in numbers」
用户注册（正文） 23,360（2025 年底） KPI 正文
波次数（官方口径） 10 「SHARE in numbers」
主波次 Wave 1–9（9 个） 波次表
全球姊妹研究 18 「SHARE in numbers」
Wave 1 参与国 12 波次表
Wave 2 参与国 15 波次表
Wave 3 参与国 14 波次表
Wave 4 参与国 16 波次表
Wave 5 参与国 15 波次表
Wave 6 参与国 19 波次表
Wave 7 参与国 28 波次表
Wave 8 参与国 28 波次表
Wave 9 参与国 28 波次表
当前主发布 Release 9.0.0（2024-03-28） 波次页
主发布文件数 100+ easySHARE 页
easySHARE 版本 9.0.0（2024-06-11） easySHARE 页
easySHARE DOI 10.6103/SHARE.easy.900 同上
DBS 版本 Release 2.0.0（2026-04-30） DBS 页
DBS DOI 10.6103/SHARE.w6.DBS.200 同上
DBS 标志物 21（7 + 10 + 4） DBS 页
DBS 样本 ~27,000 DBS 页
DBS 国家 12 DBS 页
DBS 第一批 7 项，2024-05 DBS 页
DBS 第二批 14 项，2026-04，Statens Serum Institut DBS 页
每波问卷模块 20 Wave 1 页
行政链接国家 4（DE/DK/FI/NL） KPI 页
2024 下载量 20,341 KPI 页
2025 下载量 16,963 KPI 页
DOI 总数（引用模板） 13 引用页
DAIMS 得分 19.5 / 24 = 81.3% 本条目 §7.6

全部抓取时间：2026-10-23。

附录 B：五个可复制的操作

操作 1：注册流程核对（官方四步）

1. 读 Conditions of Use → https://share-eric.eu/data/data-access/conditions-of-use
2. 下载并签署 SHARE User Statement（PDF，第 1 页必填）
3. 提交至 SHARE Research Data Center
4. 几天内收到 user ID + password

操作 2：Stata 里正确合并两个模块 + 一个家庭文件

use "sharew8_rel9-0-0_ph.dta", clear
merge 1:1 mergeid using "sharew8_rel9-0-0_mh.dta", keep(master match) nogen
merge m:1 hhid8   using "sharew8_rel9-0-0_hh.dta", keep(master match) nogen
* 注意：个体级用 mergeid，家庭级用 hhid{wave}

操作 3：缺失码分类处理

* 以 Release Guide 为准；下面仅为结构示意
foreach v of varlist ph* mh* {
    replace `v' = . if inlist(`v', -1, -2)   // 不知道 / 拒答 → 缺失
    * -3 不适用 / -4 未提问：保留原值，分析时用子样本或标记
}

操作 4：跨国分析的抽样设计设定

svyset [pw = w8_weight], strata(country)
svy: mean ph006_, over(country)
estat svy            // 看各国设计效应

操作 5：检查某国某波是否参与

# 官方波次表可直接查：https://share-eric.eu/data/data-documentation/waves-overview
# 或按 DOI 命名规则判断：10.6103/SHARE.w{N}.900
curl -s https://share-eric.eu/data/data-documentation/waves-overview/wave-8 \
  | grep -o 'Wave 8\|10\.6103/SHARE\.w8[^ "<]*'

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

  • charls — 共享标签：电子健康记录 / 队列研究 / 调查数据 / 公共卫生与流行病学
  • sex-differences-hearing-loss — 共享标签：电子健康记录 / 队列研究 / 调查数据 / 公共卫生与流行病学
  • our-future-health — 共享标签：电子健康记录 / 队列研究 / 调查数据 / 公共卫生与流行病学
  • addhealth — 共享标签：电子健康记录 / 队列研究 / 调查数据 / 公共卫生与流行病学
  • ohhr-hearing — 共享标签：电子健康记录 / 队列研究 / 调查数据 / 公共卫生与流行病学
  • dhs-program — 共享标签：调查数据 / 公共卫生与流行病学 / 全球健康
  • our-world-in-data — 共享标签：公共卫生与流行病学 / 全球健康
  • hrs — 共享标签：电子健康记录 / 队列研究 / 公共卫生与流行病学
  • framingham — 共享标签：电子健康记录 / 队列研究 / 公共卫生与流行病学
  • abcd-study — 共享标签：电子健康记录 / 队列研究 / 公共卫生与流行病学

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。

返回 AI-Ready 数据集

数据定制

标注服务

欢迎联系咨询

客服二维码

客服二维码

客服二维码
电话咨询

直接咨询

18892062214

微信同号

微信咨询

微信咨询

18892062214

微信同号

邮箱咨询

邮箱咨询

collab@qianfanghub.cn