美国公立教育系统历史数据资源(S-ECDR)的构建及其对教育健康关联研究的启示

研究人员针对美国1975年前公立教育系统电子数据缺失的问题，开发了州级教育背景数据资源(S-ECDR)，整合1919/20-1973/54年间50个州和华盛顿特区的教育指标，揭示了20世纪教育投资的地域差异和种族不平等，为研究教育环境对中老年健康的影响提供了重要工具。该数据集通过ICPSR公开共享，支持跨学科研究。

　　

20世纪美国公立教育经历了前所未有的扩张，但这段关键历史时期的电子化教育数据却长期缺失，严重制约了研究者探索早期教育经历与中老年健康关联的能力。这种数据断层使得我们无法准确评估教育投资如何通过教师素质、教学时长等机制影响人生轨迹。更令人担忧的是，南方各州持续存在的教育投入差距和种族隔离政策，可能埋下了健康不平等的种子。

为填补这一空白，马里兰大学公共政策学院(School of Public Policy, University of Maryland)的研究团队历时多年，从四大历史档案中手工提取并验证数据，构建了首个覆盖1919/20至1973/74年度的州级教育背景数据资源(State Education Contextual Data Resource, S-ECDR)。这项开创性工作发表在《Scientific Data》期刊，为研究教育政策的历史影响提供了标准化工具。

研究人员采用多源数据整合策略：从HathiTrust数字图书馆获取《教育双年调查》(Biennial Surveys of Education)和《州学校系统统计》(Statistics of State School Systems)的PDF报告；通过ERIC教育资源信息中心收集南方教育报告服务(Southern Education Reporting Service)的种族隔离数据；从美国人口普查局下载1968-1974年普查摘要。通过双重录入验证、条件格式校验和子项求和核对等质量控制手段，最终建立了包含30个分析变量、覆盖50州和华盛顿特区的标准化数据库，并对缺失数据采用州别时间趋势模型进行合理估算。

【数据内容与结构】

该资源创新性地整合了三类核心指标：基础教育特征(如学生出勤率、教师性别构成)、财政投入(生均支出、薪酬水平)和南方种族隔离数据(黑人教师薪资、学期长度差异)。所有变量均采用长格式存储，支持通过FIPS州代码与各类人口调查数据链接。特别值得注意的是，研究者保留了原始数据中的财政不一致记录(约17%存在小额舍入误差)，并通过标记变量明确区分插补数据，确保分析透明度。

【关键发现】

南方教育差距分析显示，在1935-1954年种族隔离时期，黑人学校教师薪资平均仅为白人学校的60%，学期长度相差达15天。时序变化分析揭示，1920-1970年间生均实际支出增长超过200%，但州际差异持续存在——1970年支出最低州(密西西比)的投入仍高于1920年最高支出州(内华达)的两倍。这些发现为理解教育不平等的历史根源提供了量化证据。

【技术验证】

团队设计了三级质量保障体系：Excel条件格式实时检测异常值；公式自动校验州级汇总与国家总计的一致性；对关键变量(如教师薪资)实施双重独立录入。数据不一致处均对照原始PDF核查，无法判读的数据点留空并通过线性/二次模型插补。这种严谨方法使最终数据集缺失率控制在8%以下（除南方黑人教师薪资变量达24.1%）。

【应用方向】

该资源已成功链接健康与退休研究(Health and Retirement Study)数据，用于分析10岁时教育暴露与老年认知功能的关联。研究者建议使用时注意：高度相关的指标（如生均支出与教师薪资相关系数>0.9）需通过主成分分析等降维技术处理；跨时期比较建议使用年度标准化值；南方各州1940年前财政数据存在特殊分类问题需谨慎处理。

这项研究的重要意义在于首次系统性地抢救了20世纪关键教育历史数据，为教育流行病学、健康老龄化研究提供了不可替代的工具。通过揭示教育投入的长期时空差异，特别是南方种族隔离学校的资源不平等，该资源使研究者能够更准确地评估生命早期教育环境对健康老龄化的累积影响。正如作者Katrina M. Walsemann团队所示范的，这些数据将助力解开教育-健康关联中的"黑箱"机制，为制定针对性干预政策提供历史借鉴。