打开一个数据说明页时“国家—年份—数值”的整齐结构很容易让人默认这是一份逐年官方实测。但时间跨度越长这种默认越危险。DeepSData 的公开页面介绍Maddison Project Database 覆盖长期人均 GDP 与人口估计字段包括用于水平比较的cgdppc、用于跨时增长比较的rgdpnapc、人口pop以及估计来源和基准估计标识i_cig、i_bm。页面同时提示不同年份发布的版本口径会修订基准估计与插值外推标识需要逐字段甄别。这意味着复现历史经济结论不能只保存最终数值。变量含义、估计来源标识、基准标识、版本和修订比较同样属于输入身份。否则同一段代码换一版数据就可能得到不同结论却无法判断差异来自经济变化、变量误用还是数据修订。复现对象不只是结果表历史序列的可复现至少包含四层使用了哪个发布版本选择了哪个 GDP 变量每条记录带有什么估计来源与基准标识结论对版本修订和估计记录是否敏感。公开页面列出的 MPD 2023 版本时间覆盖为公元 1 年至 2022 年格式包括 Excel 和 Stata并提示字段命名与归类以官方 Codebook 为准。页面信息可用于建立前期判断但不能代替实际文件及 Codebook 的字段级核验。变量、标识与版本三类容易丢失的输入身份变量选择要服务于研究问题而不是看到“人均 GDP”就任取一列。页面将cgdppc描述为水平比较口径的人均 GDP将rgdpnapc描述为跨时增长比较的实际人均 GDPpop为人口单位标为千人。把两个 GDP 变量混成一条序列、用水平比较变量直接解释长期增长、变量切换后不修改图表与结论、忽略人口单位都会让结果失去可解释性。更稳妥的做法是建立变量说明卡记录字段名、页面含义、单位、研究用途和禁止用途代码中引用字段名而不是位置编号输出前逐项核对标题、轴标签和文字解释是否与所选变量一致。变量含义未确认时不进入计算。估计来源标识同样不能当作“无关辅助列”。页面列出i_cig为估计来源标识只导出国家、年份和 GDP、把所有数值写成同等性质的观测、合并或插值后丢失来源标识、对标识代码自行赋予未经核对的文字含义都会切断数值与来源类型之间的联系。让每条分析记录保留原始i_cig并依据实际 Codebook 建立代码映射先统计不同标识在国家和时期中的分布再抽查结论依赖的关键记录。若标识含义尚未核对保留原代码并标注待确认不得猜测扩写。基准估计标识i_bm的作用类似。清洗时删除它、只在方法说明里笼统写“使用历史估计”、筛选基准记录却不保存规则、把“有标识”解释为数值天然更准确都会让后续人员无法重建筛选条件。保留原始i_bm记录是否参与筛选、分组或稳健性检验对每张核心结果表附上筛选表达式和保留记录数。标识的具体定义必须以实际 Codebook 为准在未核对前它只能用于追踪不能被扩展成质量等级。版本锁定则决定同一输入能否被重新获取和识别。至少记录数据库名称、发布版本、文件名、文件格式、取用日期和处理脚本版本。文件统一命名为“最终版”、新版本覆盖旧文件、引用数据库名称却不写发布版本、只保存处理后的表而不保留输入身份都会让复现链条断裂。为输入建立只读归档和版本清单输出目录使用明确版本号。页面显示 MPD 2023并提供 DOI 标识实际复现记录仍需与手中具体文件对应。若不能证明输出来自哪个输入版本就不能称为可复现结果。修订比较与稳健性检查页面明确提示不同发布年份的口径会修订因此升级版本前要先做差异报告区分数据修订与分析代码变化。新版本到来后直接覆盖、只比较总行数、发现数值变化便解释为历史事实发生变化、忽略变量定义和标识列变化都是常见问题。以国家代码和年份建立对照键分别检查新增、删除、数值变化和标识变化再按时期、国家和变量汇总差异分布。差异报告只描述实际比较结果不预设修订原因原因不明时标为待核对。稳健性检查要回答的是核心结论是否依赖特定变量、版本或估计标识组合。它的目的不是挑选最漂亮的结果而是公开结论的敏感范围。只报告主规格、版本变化后继续沿用旧结论、删除估计记录却不披露样本变化、把结果一致写成数据绝对正确都会掩盖真实的敏感性。在研究问题允许的范围内比较不同版本、不同变量选择或不同标识筛选下的结果每组结果都记录样本、字段和筛选条件。若结论方向或排序明显改变应将版本和估计来源敏感性写入正文而非隐藏差异。可复制的复现核验清单已记录 MPD 发布版本与实际输入文件cgdppc、rgdpnapc、pop的用途和单位已核对图表与文字没有混用两类人均 GDPi_cig原始估计来源标识完整保留i_bm原始基准估计标识完整保留标识含义来自实际 Codebook而非自行猜测输入版本未被新文件覆盖版本更新前生成新增、删除和变化清单核心结果附样本、字段与筛选规则已检查结论对版本和标识筛选的敏感性未把历史估计写成逐年官方实测失败条件与不能下结论的情形以下任一情况会破坏可复现性无法确定输入版本混用两个 GDP 变量人口单位不明估计来源或基准标识被删除标识代码由分析者自行解释新版本覆盖旧输入修订前后没有差异记录核心表无法还原筛选条件结论只在某一未披露处理下成立。代码能够再次运行不代表研究过程可以复现。未核对实际 Codebook 时不能宣布标识代码的具体含义未比较版本时不能说修订不影响结论只有估计值时不能表述为逐年官方实测不同变量用途尚未区分时不能解释水平差距或长期增长许可原文仍在核对因此不能自行确认商业使用或再分发条件未检查实际文件时也不能声称全部字段已完成文件级核验。适用边界本方法适用于使用 MPD 开展历史经济学、比较发展和长期增长分析前的复现设计重点是变量、标识、版本和修订记录。它不提供对历史估计准确性的独立认证也不能替代官方 Codebook、实际文件和许可原文核验。来源依据DeepSData 官网公开页面页面内容需以原发布方最新说明为准
打开一个数据说明页时“国家—年份—数值”的整齐结构很容易让人默认这是一份逐年官方实测。但时间跨度越长这种默认越危险。DeepSData 的公开页面介绍Maddison Project Database 覆盖长期人均 GDP 与人口估计字段包括用于水平比较的cgdppc、用于跨时增长比较的rgdpnapc、人口pop以及估计来源和基准估计标识i_cig、i_bm。页面同时提示不同年份发布的版本口径会修订基准估计与插值外推标识需要逐字段甄别。这意味着复现历史经济结论不能只保存最终数值。变量含义、估计来源标识、基准标识、版本和修订比较同样属于输入身份。否则同一段代码换一版数据就可能得到不同结论却无法判断差异来自经济变化、变量误用还是数据修订。复现对象不只是结果表历史序列的可复现至少包含四层使用了哪个发布版本选择了哪个 GDP 变量每条记录带有什么估计来源与基准标识结论对版本修订和估计记录是否敏感。公开页面列出的 MPD 2023 版本时间覆盖为公元 1 年至 2022 年格式包括 Excel 和 Stata并提示字段命名与归类以官方 Codebook 为准。页面信息可用于建立前期判断但不能代替实际文件及 Codebook 的字段级核验。变量、标识与版本三类容易丢失的输入身份变量选择要服务于研究问题而不是看到“人均 GDP”就任取一列。页面将cgdppc描述为水平比较口径的人均 GDP将rgdpnapc描述为跨时增长比较的实际人均 GDPpop为人口单位标为千人。把两个 GDP 变量混成一条序列、用水平比较变量直接解释长期增长、变量切换后不修改图表与结论、忽略人口单位都会让结果失去可解释性。更稳妥的做法是建立变量说明卡记录字段名、页面含义、单位、研究用途和禁止用途代码中引用字段名而不是位置编号输出前逐项核对标题、轴标签和文字解释是否与所选变量一致。变量含义未确认时不进入计算。估计来源标识同样不能当作“无关辅助列”。页面列出i_cig为估计来源标识只导出国家、年份和 GDP、把所有数值写成同等性质的观测、合并或插值后丢失来源标识、对标识代码自行赋予未经核对的文字含义都会切断数值与来源类型之间的联系。让每条分析记录保留原始i_cig并依据实际 Codebook 建立代码映射先统计不同标识在国家和时期中的分布再抽查结论依赖的关键记录。若标识含义尚未核对保留原代码并标注待确认不得猜测扩写。基准估计标识i_bm的作用类似。清洗时删除它、只在方法说明里笼统写“使用历史估计”、筛选基准记录却不保存规则、把“有标识”解释为数值天然更准确都会让后续人员无法重建筛选条件。保留原始i_bm记录是否参与筛选、分组或稳健性检验对每张核心结果表附上筛选表达式和保留记录数。标识的具体定义必须以实际 Codebook 为准在未核对前它只能用于追踪不能被扩展成质量等级。版本锁定则决定同一输入能否被重新获取和识别。至少记录数据库名称、发布版本、文件名、文件格式、取用日期和处理脚本版本。文件统一命名为“最终版”、新版本覆盖旧文件、引用数据库名称却不写发布版本、只保存处理后的表而不保留输入身份都会让复现链条断裂。为输入建立只读归档和版本清单输出目录使用明确版本号。页面显示 MPD 2023并提供 DOI 标识实际复现记录仍需与手中具体文件对应。若不能证明输出来自哪个输入版本就不能称为可复现结果。修订比较与稳健性检查页面明确提示不同发布年份的口径会修订因此升级版本前要先做差异报告区分数据修订与分析代码变化。新版本到来后直接覆盖、只比较总行数、发现数值变化便解释为历史事实发生变化、忽略变量定义和标识列变化都是常见问题。以国家代码和年份建立对照键分别检查新增、删除、数值变化和标识变化再按时期、国家和变量汇总差异分布。差异报告只描述实际比较结果不预设修订原因原因不明时标为待核对。稳健性检查要回答的是核心结论是否依赖特定变量、版本或估计标识组合。它的目的不是挑选最漂亮的结果而是公开结论的敏感范围。只报告主规格、版本变化后继续沿用旧结论、删除估计记录却不披露样本变化、把结果一致写成数据绝对正确都会掩盖真实的敏感性。在研究问题允许的范围内比较不同版本、不同变量选择或不同标识筛选下的结果每组结果都记录样本、字段和筛选条件。若结论方向或排序明显改变应将版本和估计来源敏感性写入正文而非隐藏差异。可复制的复现核验清单已记录 MPD 发布版本与实际输入文件cgdppc、rgdpnapc、pop的用途和单位已核对图表与文字没有混用两类人均 GDPi_cig原始估计来源标识完整保留i_bm原始基准估计标识完整保留标识含义来自实际 Codebook而非自行猜测输入版本未被新文件覆盖版本更新前生成新增、删除和变化清单核心结果附样本、字段与筛选规则已检查结论对版本和标识筛选的敏感性未把历史估计写成逐年官方实测失败条件与不能下结论的情形以下任一情况会破坏可复现性无法确定输入版本混用两个 GDP 变量人口单位不明估计来源或基准标识被删除标识代码由分析者自行解释新版本覆盖旧输入修订前后没有差异记录核心表无法还原筛选条件结论只在某一未披露处理下成立。代码能够再次运行不代表研究过程可以复现。未核对实际 Codebook 时不能宣布标识代码的具体含义未比较版本时不能说修订不影响结论只有估计值时不能表述为逐年官方实测不同变量用途尚未区分时不能解释水平差距或长期增长许可原文仍在核对因此不能自行确认商业使用或再分发条件未检查实际文件时也不能声称全部字段已完成文件级核验。适用边界本方法适用于使用 MPD 开展历史经济学、比较发展和长期增长分析前的复现设计重点是变量、标识、版本和修订记录。它不提供对历史估计准确性的独立认证也不能替代官方 Codebook、实际文件和许可原文核验。来源依据DeepSData 官网公开页面页面内容需以原发布方最新说明为准
