首页/科研资讯/NHANES

NHANES复现教学 4：装好环境，下载数据文件

2026/9/10 医嘉研团队 60 阅读

前三篇我们把"这个选题能不能做"确认完毕（第 03 篇），现在终于动手。数据获取有两条路：手动下载（这一篇）和代码自动获取（下一篇）。两条都要会：手动那遍让你理解"数据从哪来、长什么样"，而且工具失灵时它是唯一的退路。

本篇的目标：10 分钟装好分析环境，然后把案例论文需要的八个数据文件全部下载并校验通过。

开篇 10 分钟：装好 R 与必备包

先回答一个常见问题：数据下来之后用 Excel 打开不行吗？不行——.XPT 是给统计软件读的格式，Excel 打不开；而且后面要做的加权分析，Excel 也干不了。所以要装统计工具。

要装两样免费软件：R（真正干活的引擎）和 RStudio（让你舒服地使用引擎的驾驶舱）。必须先装 R、后装 RStudio——驾驶舱要找到发动机才能点火，顺序反了 RStudio 打不开就会报错。

图1 R 环境安装路线图：四步就能开工

图1：四步：装 R → 装 RStudio → 换国内镜像 → 装包并跑通第一段代码。

第 1 步 · 装 R（发动机）：打开 CRAN 官网（地址见参考来源[1]），按自己的系统点 Download R for Windows 或 macOS；Windows 用户进 base 后点最上方链接下载安装包（2026 年 9 月实测当前版本 R-4.6.1）；双击一路默认"下一步"，不建议改安装路径（中文路径个别情况会引发问题）。macOS 下载 .pkg 双击安装；若提示"无法验证开发者"，右键安装包选"打开"放行。

第 2 步 · 装 RStudio Desktop（驾驶舱）：打开 Posit 官网下载页（参考来源[2]），下载系统对应的 RStudio Desktop 免费版，同样一路默认安装。装完打开，左下角能看到带 > 的输入区，那叫 Console（控制台），> 就是"我准备好了，请下指令"的提示符。

第 3 步 · 换国内镜像（把"龟速"变"秒下"）：R 装包默认走国外主站，国内常慢到超时。鼠标版：RStudio 菜单 Tools → Global Options → Packages → Change → 选 China → Tsinghua (TUNA) → OK。代码版：

CODE
# 复制进 RStudio 直接运行：换国内镜像
options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))

第 4 步 · 一键装齐必备包：

CODE
install.packages(c("foreign",   # 读下载的 .XPT 数据文件（本篇第二节用）
                   "haven",     # 读数据文件的另一种更现代的方式
                   "nhanesA",   # NHANES 专用工具：搜索/下载/读入一条龙（本篇第五节）
                   "survey",    # 复杂抽样加权分析（第 07–09 篇的主角）
                   "dplyr",     # 数据清洗与处理（第 06 篇起用）
                   "ggplot2"))  # 画图

整段粘进 Console 回车，屏幕会滚动大量红字——只要最后没有 non-zero exit status 之类报错，就是在正常干活（首次约 5–15 分钟）。装完自检：

CODE
# 复制进 RStudio 直接运行：检查六个包是否都装上了
installed.packages()[c("foreign","haven","nhanesA","survey","dplyr","ggplot2"), "Version"]

能打印出六个版本号，环境就绪。热身一句：

CODE
# 复制进 RStudio 直接运行：环境热身（最短代码）
cat("Hello NHANES! 我的 R 环境已经就绪\n")

常见报错速查（完整版见配套资产 常见报错速查表.csv）：

报错/症状原因解法
there is no package called 'xxx'包没装成功或拼错重跑第 4 步；检查拼写
install.packages 卡住 / cannot open URL国外源太慢按第 3 步换清华镜像
read.xport 报 cannot open the connection工作目录不对菜单 Session → Set Working Directory → Choose Directory，选中数据所在文件夹
macOS 装完打不开系统安全拦截右键 → 打开；或系统设置放行
装包提示需要更新的 RR 版本过老回第 1 步装最新版

【暗线进度条 · 环境就绪 ✅】 R 与必备包已装好、第一段代码跑通 → 下一站：把案例论文的八个数据文件下载到手（本篇第二节） （工具准备，对应全部实操环节的前置）

一、官网手动下载：保姆级路径

动手前先立个规矩：NHANES 数据虽免费公开，但受联邦保密法保护，官方《数据使用协议》（Data User Agreement，参考来源[2]）写明四条核心义务——只能用于统计分析与报告；不得试图识别任何个人或机构；不得把数据与其他可识别身份数据做链接；不得研究"如何再识别"的方法。协议原文写明，故意泄露可识别信息属 E 级重罪，最高可判 5 年监禁或 25 万美元罚款。发布论文前通读一遍，是数据使用者的基本素养。

第 1 步 · 进入数据检索页。 打开 NHANES 的 Data 页面（参考来源[1]），会看到按组件分类的入口：Demographics / Questionnaire / Examination / Laboratory / Dietary，进入后可再按周期（Cycle）筛选。

第 2 步 · 定位文件。 以案例论文为例：选 Laboratory 组件 + August 2021–August 2023 周期，进入后就是文件列表页（图3）。每一行是一个数据文件，列头为 Data File Name / Doc File / Data File / Date Published。

图2 下载一份 NHANES 数据的完整流程

图2：四步流程，每步附"完成判据"。

图3 官网文件列表页（浏览器实拍，2026 年 9 月）

图3：官网真实页面：左侧是站点导航，中间表格每行一个数据文件，Doc File / Data File 两列各带下载链接和文件大小标注。找到 Vitamin D 行（VID_L）——注意 Data 列写着 XPT - 683.9 KB，这就是官方标注的数据文件大小。

图4 Vitamin D (VID_L) 行特写（官网实拍）

图4：VID_L 行四要素：文件主题（Vitamin D）、PDF 版说明书（Doc）、数据文件（Data，标注 683.9 KB）、发布日期（September 2024）。

第 3 步 · 两个都下载。 很多人只下 XPT 不下 Doc——等于拿到药不看说明书。Doc 有 PDF 版（官网行内直接给）和网页版（把数据网址的 .XPT 换成 .htm 即得，内容一致），任选其一。XPT 是统计分析软件 SAS 用来"搬数据"的通用格式，你可以把它理解成数据界的 PDF：R、Python、SPSS 都能直接打开读，不用装 SAS。

小习惯建议：新建一个文件夹（如 NHANES_2021-2023），把本次下载的 XPT 和 Doc 都放进去。后面合并数据（第 06 篇）时，文件散落在"下载"文件夹里会找得很痛苦。

当前数据文件的真实地址规律（2026 年 9 月实测有效），把网址拆成四段看就懂了：

网址分段这段是什么
https://wwwn.cdc.govCDC 官网的服务器地址
/Nchs/Data/Nhanes/Public/NCHS 官方公开数据的存放路径（固定不变）
2021/周期的起始年份（2021–2023 周期就放在 2021 目录下）
DataFiles/DEMO_L.XPT固定目录 + 文件名

完整拼起来就是：

CODE
https://wwwn.cdc.gov/Nchs/Data/Nhanes/Public/2021/DataFiles/DEMO_L.XPT

注意那段 2021 不是文件发布年份——VID_L 的 Doc 明确写着首发于 2024 年 9 月，却放在 2021 目录里。把最后的 DEMO_L.XPT 换成任意文件名（如 VID_L.XPT、DPQ_L.XPT），就能直接批量下载；把 .XPT 换成 .htm 得到对应 Doc 说明书。

顺带说明：网上流传的老教程里还能见到一种旧地址格式：

CODE
https://wwwn.cdc.gov/Nchs/Nhanes/2021-2023/DEMO_L.XPT   ← 旧路径，已失效

这个路径已经不提供数据了，照抄会拿不到文件。跟着本篇的官网路径走就不会遇到；万一从旧代码迁移过来，换成本节开头的新版地址即可。

二、下载后验三件事（每件都有完成判据）

还不会用 R？有一个零软件校验法：用记事本（Windows 自带）直接打开下载的 .XPT 文件——真数据第一行应该是 HEADER RECORD 开头的一串字符（这是 XPT 格式的固定"文件头"，实测 DEMO_L.XPT 就是如此）；如果看到的是网页代码（<!DOCTYPE html> 开头），说明拿到的不是数据。看完关掉别保存即可，不会损坏文件。

会 R 的同学用代码校验更完整：

CODE
# 复制进 RStudio 直接运行：校验下载的 DEMO_L.XPT 是不是真数据
library(foreign)                      # 读 XPT 的包
demo <- read.xport("DEMO_L.XPT")      # 读入（路径按你下载的位置改；demo 是我们给数据起的名字）
nrow(demo)                            # 数一数多少行，应为 11933
names(demo)                           # 看有哪些列，前几列应为 SEQN, SDDSRVYR, RIDSTATR, RIAGENDR ...

校验清单（三个动作全过才算下载成功）：

  1. 验格式：能被软件读开、读出来是"一行一个人"的表格，而不是网页文本；
  2. 验大小：实测 2021–2023 周期三个文件：DEMO_L 约 2.5 MB、VID_L 约 0.7 MB、DPQ_L 约 0.56 MB。只有几十 KB 的"数据文件"，基本可以断定不是数据；
  3. 验行数：行数应与官方 Doc 频数表的总人数一致——实测 DEMO_L = 11,933 行、VID_L = 8,727 行、DPQ_L = 6,337 行（与第 02、03 篇的数字完全咬合）。

三关全过，这份文件才算真正到手。这个习惯要保留到自动化下载：nhanes() 读进来的数据同样要验行数。

三、很多人不知道的数据金矿：死亡率链接文件（NDI）

NHANES 只回答"你现在健康吗"，还有一类研究要问"后来的结局如何"——比如"基线抑郁的人十年内死亡风险高多少？"。这需要把 NHANES 受访者与国家死亡索引（NDI，National Death Index）做链接：链接之后，每个人后来"什么时候去世、死因是什么"就补上了——相当于给横断面调查补上了每个人的结局信息。

专门入口（2026 年 9 月实测有效）：

  • 项目主页：NCHS 的 National Death Index 链接数据页（参考来源[3]），有方法学说明与引用要求；
  • 公共版数据文件：放在 NCHS 的 FTP 上——FTP 可以理解成 CDC 官方的一个"公开网盘"，浏览器打开就能看到文件目录、逐个点击下载：https://ftp.cdc.gov/pub/Health_Statistics/NCHS/datalinkage/linked_mortality/；
  • 官方还提供 R / SAS / Stata 三种读取程序（就在 FTP 目录里，如 R_ReadInProgramAllSurveys.R）。
图5 公共版死亡率数据 FTP 目录（浏览器实拍，2026 年 9 月）

图5：FTP 目录的真实长相：每个周期一个 .dat 文件，文件名里含周期年份和随访截止年份（MORT_2019），日期和字节大小都摆在文件名后面；目录底部就是官方提供的 R / SAS / Stata 读取程序。

实测这个目录里长什么样（2026 年 9 月）：

  • 文件名规律：NHANES_1999_2000_MORT_2019_PUBLIC.dat——前段是 NHANES 周期，2019 表示死亡信息追踪到 2019 年 12 月 31 日（随访＝调查结束后继续追踪记录），PUBLIC 表示公共版；
  • 公共版覆盖范围：NHANES 1999–2018 的每个周期 + NHANES III，每周期一个文件；
  • 格式：.dat 固定宽度文本（不是 Excel 也不是 CSV），列结构要靠官方读取程序解析——自己瞎猜列宽必错；
  • 一个大坑，官方页面明说了：公共版为保护隐私，对部分记录的随访时间和死因做了"合成值"替换（是否存活这个状态本身不变）——做敏感性分析或引用官方受限版结果时要记得这一点；
  • 两个版本的边界：官方最新整体追踪已做到 2022 年 12 月 31 日，但那一批目前只提供受限版（含 2017–2020.3 疫情周期）；公共版停留在 2019 版链接，只覆盖 NHANES 1999–2018 + NHANES III。准确说法是"公共版暂无最新周期"，而不是"永远没有"。

回到案例论文：它研究"维生素 D 与抑郁的关联"（横断面），不需要死亡率数据。但你的下一个选题很可能用到它，所以先把这个金矿的位置记下。

案例论文数据文件清单（配套资产）

按第 02 篇的变量清单，把案例论文需要的文件全部下载并校验完毕：

文件内容实测大小实测行数用到什么
DEMO_L.XPT人口学约 2.5 MB11,933年龄/性别/种族/收入/教育 + 权重
VID_L.XPT维生素 D约 0.7 MB8,727暴露变量 + 采血权重
DPQ_L.XPTPHQ-9约 0.56 MB6,337结局变量
BMX_L.XPT体格测量约 1.6 MB8,860Model3 协变量 BMI
SMQ_L.XPT吸烟问卷约 0.65 MB9,015Model3 协变量 吸烟
ALQ_L.XPT饮酒问卷约 0.46 MB6,337Model3 协变量 饮酒频率
BPQ_L.XPT血压相关问卷约 0.41 MB8,501Model3 协变量 高血压
DIQ_L.XPT糖尿病问卷约 0.85 MB11,744Model3 协变量 糖尿病

八份文件 + 对应 Doc 全部到手且校验通过。后五份是 Model 3 协变量文件，论文 Model 3 调整的 BMI/吸烟/饮酒/高血压/糖尿病都在里面，第 06 篇合并清洗时会用到。清单已整理为 CSV（配套资产），下载时照着打勾即可。

【暗线进度条 · 里程碑 M2 ✅】 环境就绪 → 案例论文全部八个数据文件（3 个核心 + 5 个协变量）已下载并通过校验，自动化读取也已掌握 → 下一站 M3：按 SEQN 合并成一份分析数据集，并逐级复现论文的样本漏斗（第 06 篇） （对应论文 2.1：数据获取）

本篇对应的复现脚本段落（完整代码）

总脚本开头那几行（第 0 步）就是下面这段，一字未改。第 1 步（下载八个文件）在第 05 篇。

CODE
##### 第 0 步：第一次使用——先安装工具包（只需装一次）########################
#
# 如果你是第一次用 R：先把下面 4 行前面的 # 删掉，整段复制到 RStudio 的 Console
# 按回车运行。装过一次以后就不用再装（下次直接跳过这段，从 library() 开始）。
#
# options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))  # 国内镜像，下载快
# install.packages(c("nhanesA", "survey", "ggplot2"))   # 安装本脚本要用的三个包
#   # nhanesA：下载和读取 NHANES 数据；survey：复杂抽样的加权分析；ggplot2：画图
#
# 装完检查：能打印出版本号就说明装好了
# packageVersion("nhanesA"); packageVersion("survey")

# 每次运行脚本都要先加载这两个包（library = 把装好的工具拿出来用）：
library(nhanesA)
library(survey)

# ★ 关键设置（2026-09-10 核对报告 4.2 节的教训）：小样本亚组（如墨西哥裔 N=228、
#   NH 黑人 N=389）的某些抽样层里只有 1 个 PSU（初级抽样单元），survey 包默认
#   直接报错终止——不加这行，第 8 步的这两个亚组会被 tryCatch"静默吞掉"，
#   结果表里少两行且没有任何提示。adjust 是对孤独 PSU 做保守调整后继续拟合。
options(survey.lonely.psu = "adjust")

# 说明：本脚本用 nhanes() 直接在线下载数据，需要联网；如果你已手动下载过八个
# .XPT 文件，也可以改用 read.xport() 读本地文件（本篇第一节讲过两种方式）。
## 本篇常见坑

1. **只下 XPT 不下 Doc**：变量编码、单位、缺失值规则全在 Doc 里，没有它后面寸步难行。
2. **不校验行数**：文件缺了一半都不知道，分析结论随之报废。
3. **把 .dat 当 CSV 打开**：死亡率文件是固定宽度格式，乱猜列宽会把数据读成天书，用官方读取程序。
4. **在公共版 FTP 里找疫情周期**：公共版死亡率数据只覆盖 1999–2018，疫情周期目前只在受限版里。
5. **先装 RStudio 后装 R**：驾驶舱找不到发动机，打不开——按"先 R 后 RStudio"重装。
6. **装包看满屏红字就慌**：红字多数是下载进度，只有明确的 `Error` / `non-zero exit status` 才是失败。
7. **只在 Console 里敲命令不保存**：本篇命令请存进 .R 脚本文件（File → New File → R Script），下篇直接复用。

## 下篇预告

**第 05 篇**：让机器替你干活——用 `nhanesA` 包一条命令把同样的数据读进 R：四个核心能力（下载读入、查编码、翻译编码、跨周期检索）、哪些功能已在官网改版后失效、工具坏了怎么兜底，以及"手动 vs 自动"到底怎么选。

## 参考来源

1. CDC/NCHS. NHANES 数据检索页. https://wwwn.cdc.gov/nchs/nhanes/search/datapage.aspx
2. CDC/NCHS. Data User Agreement（数据使用协议）. https://www.cdc.gov/nchs/policy/data-user-agreement.html
3. CDC/NCHS. National Death Index 链接数据页. https://www.cdc.gov/nchs/linked-data/mortality-files/
4. CDC/NCHS. 公共版死亡率数据 FTP. https://ftp.cdc.gov/pub/Health_Statistics/NCHS/datalinkage/linked_mortality/
5. CRAN（R 官方发行站）. https://cran.r-project.org/
6. Posit：RStudio Desktop 下载页. https://posit.co/download/rstudio-desktop/
7. 清华大学 TUNA 镜像（CRAN）. https://mirrors.tuna.tsinghua.edu.cn/CRAN/
8. 本篇所有下载路径、文件大小、行数、FTP 目录内容、协议条款均为 2026 年 9 月实机核验；R 当前最新版 4.6.1（CRAN，2026-09），本系列代码实测通过于 R 4.5.2
话题NHANES复现教学数据下载
原文链接：https://cran.r-project.org/
← 上一篇
NHANES复现教学 3：选题可行性与案例论文
下一篇 →
NHANES复现教学 5：nhanesA 一条命令读进 R
Get Started

需要科研辅导服务？

专业团队为您提供从选题到发表的全流程支持

查看服务