为什么重要
如果你曾把Census人口资料、BLS就业资料与HUD公平市场租金连在一起做分析,你就用过FIPS代码。它是美国联邦标准的州(2位)与县(3位,合成5位的州+县代码)识别码。每一个联邦数据集都会用FIPS给县级资料行编码。投资者为什么要在意:CBSA边界会随OMB版本变动,但县FIPS代码是稳定的。把联邦资料聚合到CBSA层级时,你通过县FIPS去做连接——而不是通过发布方给出的、可能对也可能对不上的MSA字符串。
速览
- 它是什么： 为每一个美国的县分配的联邦5位数字识别码——2位州 + 3位县代码。
- 为何重要： 每一个联邦数据集都以FIPS作为县的权威键。它是把Census + BLS + BEA + HUD + FHFA资料连在一起的那一列。
- 如何使用： 聚合到CBSA层级时,通过`geo.county.fips`连到CBSA代码。查单个县时,用FIPS代码,不要用县名(县名会撞——美国有30多个"Washington County")。
- 格式： `SSCCC`,其中SS是州FIPS(01-78),CCC是县FIPS(001-840)。
- 治理： 原本是NIST标准(县用FIPS 6-4)。2008年正式由ANSI/Census的"GNIS"代码取代,但5位数格式完全相同,业界仍沿用"FIPS代码"这一术语。
运作原理
FIPS到底是什么。 FIPS指的是联邦信息处理标准——美国政府从1960年代开始制定的一套代码,用于标准化联邦机构之间的数据交换。对房地产投资者来说,最重要的那一个是FIPS 6-4,也就是县代码标准。它给每个州分配一个2位数字(Alabama = 01,California = 06,Ohio = 39,Texas = 48),给州内每个县分配一个3位数字(Franklin County OH = 049,Harris County TX = 201)。合起来的"州+县FIPS"5位代码唯一标识每一个县:俄亥俄的Franklin County是39049,德州的Harris County是48201。每一家联邦机构都用这套代码。这一标准最初由国家标准局(NIST的前身)发布;FIPS 6-4的正式刊物至今仍被引用,尽管FIPS在2008年正式由ANSI/Census代码取代。5位数格式与多数代码值完全相同,所以业界仍习惯称作"FIPS代码"。
为什么FIPS比县名更重要。 县名会撞。全美有30多个"Washington County"、15多个"Jefferson County"、9个"Franklin County"。如果你拉到的数据集只用县名做标签,把它和另一个数据集合并,你就得先搞清楚你指的是哪个"Washington County"。FIPS代码把歧义一次性解决掉:宾州的Washington County是42125、俄勒冈的Washington County是41067、马里兰的Washington County是24043。Census的ANSI代码列表是整套代码的权威参考。对于使用多个联邦数据源的投资者——把FHFA HPI与HUD公平市场租金、Census建筑许可、BEA个人所得连起来分析——FIPS就是所有这些分析得以成立的前提。
FIPS与CBSA——政治单位 vs 经济单位。 FIPS代码标识政治单位:州、县。CBSA标识经济单位:共享一个劳动力市场的若干县。对一个具体的房地产问题,你往往两个都需要。"Columbus都会区的经济在发生什么?"——这是CBSA问题(CBSA 18140)。"Columbus都会区包含哪些县?"——这由CBSA定义来回答:Columbus MSA 18140包含8个县,每个县都有自己的FIPS代码。要把县级联邦数据(比如BLS的月度就业)加总到都会区层级,你需要:(1)以县FIPS为粒度取数,(2)查每个FIPS对应到哪个CBSA,(3)聚合。FIPS → CBSA的映射由OMB随每次CBSA划定一并发布。当OMB更新CBSA定义时,映射会变;但FIPS代码本身不变——变的只是映射。这就是为什么在跨年份分析中把FIPS作为稳定的连接键至关重要。
FIPS在投资者工作流里的身影。 任何一个认真的联邦数据管道,都是用FIPS给县级表做主键。FRED在县级BLS就业与BEA个人所得系列中把FIPS作为序列标识。我们自己的管道用`fips`列给县级表做主键,再通过映射表加总到CBSA。HUD的Section 8所得上限按FIPS发布。IRS迁移数据——房价分析会用到——以FIPS作为起点/终点键。如果你在做任何多源分析,FIPS就是你要统一标准的那个识别码。如果你正在采购的数据源不带FIPS代码,就请他们提供——否则你只能做基于名字的模糊匹配,这正是数据错误产生的路径。
实战案例
张建华(Zhang Jianhua)尝试把三个联邦数据集合并,才明白FIPS为何存在。
张建华正在为俄亥俄州的3个县搭一张承销试算表。他下载了:
- BLS LAUS： 按县名 + 州缩写的月度失业率
- Census ACS： 按县名 + 州名的家庭收入中位数
- BEA Regional： 按县FIPS的人均个人所得
前两个数据集里都有"Franklin County"行。他必须先搞清楚各自指的是哪个Franklin County——俄亥俄有一个,另外还有8个州也有。肯塔基、印第安纳、弗吉尼亚......所有这些的"Franklin County"在仅按县名标签的数据集里都会一起出现。
他可以按州名列过滤,但他又发现BLS用"OH"、Census用"Ohio"——基于字符串匹配的连接只要不做规范化就会失败。
然后他查BEA数据集,看到一个FIPS列。39049。他用一张以(州 + 县名)为键的查找表,给BLS和Census的行都补上FIPS列。三个数据集现在共用同一个键,连接成功。
他做出来的承销试算表可以扩展:再加第四个数据集(HUD FMR)、第五个(FHFA HPI)、第六个(IRS迁移数据)——全部都以FIPS为主键。如果他一开始就用县名做连接,每加一个新数据集都要做一次专门的对齐。
优劣分析
- 每一个联邦数据集都用FIPS作为县的权威识别码——一把钥匙就能把所有资料合并起来
- 5位数代码把县名带来的歧义一次消除(全美光是"Washington County"就有30多个)
- FIPS代码在时间维度上稳定——CBSA会被重新编号,县不会
- Census免费发布权威的ANSI代码列表,是单一可信来源
- FIPS是联邦统计体系的通用语——Census、BLS、FRED都讲同一种话
- 商业数据供应商不一定包含FIPS代码,你有时得自己用一张查找表补上去
- 2位州FIPS是01-78,但并不连续(因历史原因跳号);你没法从编号直接推"39 = 按字母排序的第39个州"
- FIPS自2008年起正式由ANSI/Census代码取代,文档里偶尔会看到混用——但格式与数值是一致的
- 一些数据集把5位FIPS当字符串处理时会把前导零去掉("01011" vs "1011"),如果文件被存成数字列,字符串连接就会失败
- 波多黎各、关岛和其他领地的县有自己独立的FIPS代码,一些工具处理不正确
注意事项
- 前导零丢失： 把FIPS代码存成CSV再用Excel打开时,"01011"(Alabama的Autauga County)会变成"1011",因为Excel会把数字列的前导零删掉。一定要把FIPS保存为文本,或者在读入时补回到5位。
- FIPS与ANSI： NIST在2008年正式废止FIPS 6-4,改由Census维护的ANSI代码。值和格式完全相同,变的只是治理方。业界仍然叫它"FIPS"。
- 州代码不是按顺序发的： 州FIPS代码是历史分配的(Alaska = 02,因为它是第49个加入联邦的州;California = 06,因为它是第31个——编号反映的是加入前的领地编号,不是字母顺序)。你从数字本身推不出任何东西。
- 县的历史变动要留意： 有些县被重新命名或合并(例如Shannon County SD在2015年改名为Oglala Lakota County SD,新FIPS 46102取代了旧的46113)。用FIPS做历史数据连接时需要处理版本问题。
- 领地FIPS： 波多黎各县用州代码72,关岛用66,维京群岛用78。一些工具会默默把它们过滤掉,以为是无效值。如果你的分析包含PR,先确认你的工具链能正确处理。
投资者问答
一句话总结
FIPS代码是县级资料的联邦连接键。如果你在搭多源房地产分析,尽早把FIPS定为标准,一切连接都通过FIPS走。这个代码会熬过OMB的版本更替,会消除县名歧义,是Census免费发布的。其他任何连接方式——按县名、按州缩写、按发布方特定ID——最终都会反咬你一口。