全球居住安排数据库(GLAD)：1960-2021年个体化居住模式的多维度解析

本研究通过整合IPUMS国际普查微数据和欧盟劳动力调查(EU-LFS)数据，构建了首个基于个体视角的全球居住安排数据库(GLAD)，涵盖107个国家7.4亿条记录。创新性算法重构了家庭成员间亲属关系，提供按年龄、性别、婚姻状况和教育程度划分的居住类型分类(LAT/LAV)，解决了传统户主导向型数据的局限性，为住房政策、社会服务及家庭结构长期演变研究提供标准化工具。

　　

研究背景

人类生活轨迹始终绕不开一个核心问题：我们与谁共同生活？从呱呱坠地到垂暮之年，居住安排如同隐形的社会脚本，深刻塑造着个体的发展机会、情感支持乃至消费模式。传统研究多局限于以"户主"为中心的统计框架，这种单向关系分类（如IPUMS的HHTYPE变量）难以捕捉复杂家庭网络的全貌。更棘手的是，全球范围内缺乏标准化的个体层面数据——联合国2022年才首次发布家庭结构报告，而现有数据库如CoDB仍停留在住户整体维度。

这种数据缺口导致关键问题悬而未决：单身老人是否更易陷入社会隔离？教育程度如何影响青年人的独立居住选择？发展中国家多代同堂模式如何应对城市化冲击？为破解这些难题，Juan Galeano和Albert Esteve团队开发了革命性的全球居住安排数据库(GLAD)，其创新性在于将分析单元从"住户"转变为"个体"，犹如为每个家庭成员佩戴了关系扫描仪。

关键技术方法

研究团队运用超级计算资源处理3TB原始数据，开发基于幂次方编码的亲属关系算法（LAV=Σv_i2^i-1），通过指针变量（MOMLOC/POPLOC/SPLOC）重构9类亲属关系。数据源自两大权威库：IPUMS国际普查微数据（91国301个样本）和欧盟劳动力调查（86个样本），最终形成四类标准化数据集，包含单岁组、五岁组及教育婚姻状况协调版本。验证环节通过对比IPUMS原有HHTYPE分类，证实算法在独居、核心家庭等基础类型上具有高度一致性（p>0.05）。

研究结果

居住安排分类体系

创新性提出居住安排值(LAV)和类型(LAT)双层编码系统。如图4所示，LAV通过二进制幂次方组合（如母亲=2¹=2，子女=2²=4）生成512种可能组合，进而聚合为8大主类和11亚类。典型如"52型"表示"与伴侣子女同住且含其他亲属及非亲属"的复合扩展家庭，其LAI编码321230567可精确解析包含祖辈、旁系亲属等细节。

数据覆盖与验证

GLAD涵盖1960-2021年107国785百万条记录，图2显示样本量最大为美国（38个普查年次），欧洲则依赖EU-LFS补充。技术验证通过"居住安排图谱"实现透明化——如图7所示，美国2020年数据清晰显示30岁女性独居率（25.7%）显著高于男性（18.3%），而60岁以上与子女同住比例呈现性别倒挂。

应用拓展性

开放源代码支持研究者自定义分类，如聚焦"隔代抚养"（LAV含2⁵+2⁶=96）或"单亲扩展家庭"（21型）。数据库特别揭示教育对居住模式的调节作用——高等教育女性更易形成"40型"（伴侣无子女）安排，而低教育群体在"61型"（单亲扩展）中占比超均值1.8倍。

研究结论

GLAD通过三个维度革新了家庭研究范式：首先，个体化视角突破传统户主局限，首次实现"每个人都是关系网络中心"的分析理念；其次，标准化LAI编码兼顾全球可比性与本地特殊性，使菲律宾的"三代复合家庭"与瑞典的"非亲属共居"能置于同一分析框架；最后，动态数据结构设计为追踪少子化、老龄化等趋势提供可能。正如作者强调，当COVID-19迫使人类重新审视"家"的定义时，GLAD恰成为解码居住模式与社会韧性关系的密钥。这项发表于《Scientific Data》的研究，其价值不仅在于填补数据空白，更在于开创了用计算社会科学方法研究家庭变迁的新纪元。