⑧ 数据、方法与可复现

除标记为估算的少数数字外（它们回溯到算式与输入），本页的每一个数字都能回溯到一个文件、一个字段和一条来源 URL；本节把这条回溯链摊开来写：先给全部核心指标的定义式与分子分母出处，再逐条记录口径取舍时的选项与理由（其中相当一部分是审阅阶段纠过的错），然后是公开数据集的字典摘要、脚本管线的复现命令、三组敏感性重算，以及与政府公报、主站卷宗和媒体常见说法的逐条对齐。后半部分保留原有的三源校验表与文件清单。

指标定义表

下表覆盖本页出现的全部核心指标。「来源」列写到文件与字段；凡分子分母来自不同口径的，在「口径注」里交代。人数一律为 UGC 资助课程在册 headcount（除非注明 FTE），金额一律 HK$，学年以起始年映射到日历年（2010-11 → 2010）。

口径决策日志

以下 16 条是本页数据处理中每一次「二选一」的记录。格式固定为「选项 / 选择 / 理由 / 影响的图表」。带「审阅」字样的条目对应 output/review_results.json 中的具体发现编号，那是本页曾经犯过、后来修正的错。

1. 限额分母。选项：(a) 本科在册总数；(b) UGC 核定本科学额 FTE；(c) 政府口径「15,000 个本地资助学额」。选择 (b)。理由：官方限额公式写的是「相当于本地学额的 40%」，而 (c) 是每届一年级学额，不是存量；(a) 会把消耗率压低约两成（15.5% 对 19.4%）。事后验证：教育局 2024 年 11 月立法会答复称 2024/25 非本地本科在学「逾 17,000 人、约为本地学额 23%」，用 (b) 复算八校非本地本科 17,161 ÷ 核定学额合计 74,081 = 23.2%，与官方表述吻合。影响图 12、图 31 及「余量约 3,100」。审阅 C01 / N05 曾因 (a)(b) 并存而写出「59–67%」的错误区间。
2. headcount 还是 FTE。选项：UGC 开放数据 headcount（八校、逐年、分来源）vs 教育局 FTE（只有中大 2022-23、2023-24 两年）。选择 headcount，并在每处标注「系统性不低于监管口径」。理由：横向比较需要八校同源。验证：中大本科非本地在 UGC 表中全为全日制，教育局 FTE 2,316 / 2,344 与 UGC headcount 完全相等，故对中大而言两口径无差；对有兼读本科的院校，headcount 会偏高。影响图 11–14、图 31。审阅 F04 曾把此近似口径当监管口径断言 HKU「顶穿」旧限额，已改为「八校中最先逼近旧限额者」并注明为本站口径。
3. F&F 快照日期。选项：按出版年标学年 vs 按脚注快照日期标学年。选择后者：2012–2022 版在校生表为「截至前一年 12 月 31 日」（2015 版 = 2014-15 学年），2023 版为 2023-12-31，2024 精简版为 2024-09-30；新生表 2022 版为 2021-09-30、2023 版为 2023-09-30。理由：审阅 CSV-01 发现按出版年标注时 F&F 与 UGC 偏差达 −15.6% 至 +11.3%，改按快照日期后 2013–2023 全部落在 ±2.4% 内。另 2012 版非本地本科 1,380 比 UGC 同年 1,121 高 23% 而本科总数仅差 0.8%（11,594 对 11,504），疑为定义不同，序列不采用。影响三源校验表、图 7、图 23。
4. 学年与财年映射。选项：财年（7 月 1 日至次年 6 月 30 日）对应起始学年 vs 按月份拆分。选择前者：FY2024-25 ↔ 2024-25 学年，subsidy_deep.py 以此把补助金除以同一起始年的学额与本地生数。理由：年报只按财年披露，拆分无依据。影响图 24、图 26–28。已知代价：财年前两个月属上一学年，生均补贴有约 1/6 的时间错位。
5. CPI 基年。选项：政府统计处原基期 2019/20 = 100、2010 年价、2025 年价。选择 2025 年价（最新完整年，读者可直接与当前学费比较）。理由：基年只改变水平不改变百分比（见敏感性分析）。学年映射到起始日历年（2024-25 → 2024 年平均指数 107.3）。影响图 22。
6. 非本地学费份额假设。选项：(a) 只报 UGC 口径下限 37.1%；(b) 假设自资收入的 70–80% 来自非本地生并报区间；分母用模型 UGC 口径 + 自资（2,850.5M）或年报总额（2,928M）。选择 (b) 并同时给出 (a)，分母以模型口径为主、总额口径注明为 56–62%。理由：年报只披露 60% 来自非 UGC 课程，不披露生源；不给区间会低估，不标假设会误导。影响图 25、摘要 KPI。审阅 F06 / N15 曾把区间写成「官方数据背书」且未交代分母。
7. 新生费 vs 平均费。选项：用当年入学届锁定价，或在校四届加权均值。选择：价格叙事用新生费（图 15、图 18 红线），收入与生均资源用平均费（图 18 青线、图 24 的 145k）。理由：锁价机制下当年收入只与均值有关。审阅复核曾发现图 28 原稿把全层级人均非本地学费 97.5k（含研究生 42.1k 费率）当成本科生 145k，已分开标注。
8. 八校跨表取整差异。选项：以来源地表、性别表或学科表之一为总数基准。选择来源地表。理由：三表由 UGC 分别取整发布，按（院校、学年、层级）汇总后，来源地表与性别表相差 ≤1 人（393 组中 21 组），学科表与性别表相差 ≤3 人（169 组）；中大本科 16 年中 11 年学科表比来源地表多 1–2 人、2 年少 1 人、3 年相等。影响图 16–17 与图 1–2 之间 1 人量级的总数差。审阅 CSV-08。
9. 17 学科并为 7 大类。映射（extend_analysis.py BUCKETS）：医学与健康 = Medicine + Studies Allied to Medicine and Health + Dentistry（中大无牙科，实际 16 类）；商科与管理 = Business and Management Studies；工程与计算机 = Engineering and Technology + Computer Science and Information Technology；理学 = Biological + Physical + Mathematical Sciences；社科与法律 = Social Sciences + Law；人文与传播 = Humanities + Languages and Related Studies + Media, Journalism and Communications + Arts, Design and Performing Arts；教育与建筑 = Education + Architecture and Town Planning。理由：与中大学院建制大致对应，并让每组 2025-26 规模在 800–3,700 人之间以便堆叠可读。影响图 16；图 17 仍按 17 类原始增量排序。
10. 入学表 vs 在册表。选项：以 F&F 新生表（流量）或 UGC 在册（存量）为主序列。选择：存量用 UGC（16 年、八校），流量用 F&F 新生表，缺口以标记估算补齐——2022-23 为相邻两年线性插值 583，2024-25 用存量差分 792，2025-26 隐含 886。理由：新生表只有中大，且没有任何一版覆盖 2022-23 学年——2022 版新生表快照为 2021-09-30，2023 版直接跳到 2023-09-30。影响图 7、图 20、图 21、图 23。所有估算行在公开数据集中 is_estimated = yes、confidence = medium、无 URL。
11. 2024 精简版怎么用。选项：并入序列或只作校验。选择只作校验并在数据集单列 6 行。理由：该版快照 2024-09-30、只有本科/研究生总数与本地/非本地拆分，脚注写明只计资助课程但含高年级入学生与外出交换生，比 UGC 同年高 5.1%（2,696 vs 2,564）。审阅 CSV-06 指出该版拆分未进入公开数据集（已补 6 行）；复核时另发现网站原注「含自资本科生」与脚注「只计资助课程」相反，正文已改为「快照时点与口径」，但 analysis_final.json validation 的 note 字段仍残留旧注「含自资 UG」，属未回改的残留。影响三源校验表末行。
12. DSE 日校生 vs 全部考生。选项：用日校考生（本地生源池的稳定部分）或全部考生。选择全部考生为柱、日校为线。理由：资助学额面向全部考生；但 2026 年 58,576 的反弹中，自修生由 2025 年的 10,303 增至 12,186（+18%；以全体减日校计，数据集 note 所记 HKEAA 报名统计。正文另一处引 HKEAA 公布的自修生 12,143 人、+19.5%，差异来自「日校考生」与「学校考生」的分类定义，两者并存不矛盾），日校仅 45,478 → 46,390（+2%），单看总数会高估本地池复苏。2012 年总数 72,876 为 2011-11-17 报名快照、自修生未报满，数据集置信度降为 medium。影响图 30。
13. 弹性撤回。选项：保留「弧弹性 ≈ 0.024」或撤回。选择撤回。理由：入学量 597 → 600 是大学配给量而非需求量，n = 1 无法做统计推断，同期申请量上升意味着真实弹性只会比零更负。extension.json elasticity 保留原始计算供复核，正文改写为「提价后仍填满自设规模 = 超额需求存在」。影响图 23 文字、⑥+ 第六张卡、结论 7。审阅 F10 / TH-05。
14. 非本地学费收入的层级口径。选项：全层级（本科届别收入 + 非本地研究式 × 42.1k + 非本地修课式 × 当年新生费，core.nl_rev 274.7 → 458.5M）或仅本科（届别阶梯 215.3 → 368.3M）。选择：图 21 与三情景统一用本科口径，份额估计用全层级。理由：审阅 N04 发现原稿把阶梯起点 215M 与中性情景终点 437M 拼成「历史翻倍」，两点不在同一条线上。
15. 限额上限的生效年。选项：按宣布年（2023-10）或生效年（2024-25）画阶梯。选择生效年。理由：core.cap_pct 2023-24 = 20、2024-25 = 40；原图早画一年（审阅 C11）。影响图 1 竖线、图 31 红虚线。
16. 2013-14 非本地名义费。选项：110k（旧脚本硬编码）或 120k（Calendar 2014-15 与费率表）。选择 120k。理由：审阅 C29 / TH-06 发现 extend_analysis.py 曾写 110k，使图 22 该年实际价低 13k；同时「+78%」只对应 2013-14 → 2026-27 的 13 年，16 年口径为 100k → 214k（+114%）。影响图 22、⑥+ 理论卡。

数据字典摘要

公开数据集 output/cuhk_open_dataset.csv 共 8,064 行 × 14 列，UTF-8 无 BOM、LF 行尾。完整字典见随附 README，此处只列使用者最常问的三件事：列怎么读、每个子集有多少行、期间标签怎么对齐。

14 列定义与取值域

14 个子数据集的行数与覆盖

period_type 约定

• academic_year：UGC 在册与学额，9 月至次年 8 月；标签取自 UGC 原始「2014/15」转长格式。
• snapshot：F&F 在校生表，学年由脚注快照日期决定——12 月 31 日快照归当学年，9 月 30 日快照亦归当学年；具体日期写在 note。
• fiscal_year_ending_30_June：年报 Table 1 大学本部口径，2024-2025 指 2024-07-01 至 2025-06-30。
• intake_cohort_year：非本地本科年费按入学届锁定，一届一行；2017-2018 行的 145,000 适用于该届正常修业期每一年。
• calendar_year：CPI 年平均与 DSE 报考年，与学年对齐时取学年起始年。

复现步骤

管线全部是单文件 Python 脚本，按下列顺序在项目根目录运行即可从原始文件重建到网页。除 PDF 抽取一步依赖 pdfplumber、PDF 报告一步依赖 matplotlib 与 reportlab 外，全部分析与网页构建只用标准库（csv / json / re / collections）。每步的输入与输出按脚本头部注释与 load() 调用如实列出。

命令行（在项目根目录）：

python3 build_ugc.py && python3 extract_tables.py && python3 patch_2012_intake.py && python3 build_analysis.py && python3 integrate.py && python3 deep_compare.py && python3 final_analysis.py && python3 site_data.py && python3 subsidy_deep.py && python3 peer_analysis.py && python3 extend_analysis.py && python3 build_public_csv.py && python3 build_site.py

两点说明。第一，external_research.json 不是脚本产物，而是研究代理抓取政策文本、国际对标与理论文献后的整理稿，每个块附 verified.checked 逐条判定（confirmed / partial / unverified）；extend_analysis.py 只读取其 CPI、DSE、同业费率的数值序列与叙事块，不做二次加工。第二，gen_charts.py 与 build_pdf.py 属 PDF 报告支线，不在网页复现路径上。以 UGC 开放数据为例，检验一次：从 raw_ugc/student_enrol_place_of_origin.csv 筛出中大本科、非本地各类求和，16 年应逐年等于 site_data.json ext.ug_nl（2014-15 = 1,921，2025-26 = 2,878）；审阅的 dataset 维度（如 CSV-01、CSV-08）也是用同类复算发现问题的。

敏感性分析

三个最依赖假设的数字各做一组重算，全部用上文列出的字段现算，不引用正文。每组末尾回答同一个问题：结论会不会翻转。

一、非本地学费份额：自资收入中非本地生占比 s

算式：406.0 + 1,757 × s，除以两种分母。「非本地生贡献过半」这一判断的翻转点在 s ≈ 0.58（模型分母）或 0.60（总额分母）；若自资课程收入只有一半来自非本地生，份额降到 45%，非本地生就不再是学费科目的最大来源。本页选 0.7–0.8 的依据是自资修课式硕士以非本地生为主的常识判断，没有官方数据，因此结论必须写成「估计」并附下限 37.1%——这条下限不随 s 变动，是本页份额估计中唯一不依赖假设的数。

二、CPI 基年：2010 / 2015 / 2025 年不变价

指数值：2010 年 74.0、2015 年 91.0、2017 年 94.6、2024 年 107.3、2025 年 108.9。三个百分比在任何基年下完全相同（它们只是 CPI 比值 1 − 74.0 ÷ 107.3 等的代数变形），基年只改变表中绝对数的量级。会改变结论的不是基年而是指数选择：若改用教育分项或工资指数，损失幅度会不同，本页数据集不含这两个序列，未测。

三、限额消耗率：FTE 折算 −5% / −10%

把折扣统一施加于八校，排序不变，中大仍是倒数第二；中大对 40% 上限的利用率由 48.4% 降至 46.0% / 43.6%，余量由 3,069 升至 3,213 / 3,357 人；2019-20 旧限额的利用率由 81.7% 降至 77.6% / 73.5%，「从未用满」更成立。若只对中大打 9 折而其余不变，中大 17.4% 会低于教大 17.8%，排名从倒数第二变成倒数第一——方向仍是「更保守」。真正的约束是：这个折算对中大其实不需要——教育局 FTE 与 UGC headcount 在 2022-23、2023-24 两年完全相等（2,316 / 2,344），因为中大本科非本地生全为全日制；折扣只对有兼读本科的院校有意义。另一组已在 analysis_final.json sensitivity 中的重算：2024-25 入学估算 792 上下各 150 人，该届四年总收入在 437.8M 到 642.4M 之间变动，不影响「即使零增长收入也上行」的判断。

与其他研究报道的比较

把本页口径与三类外部数字逐条并排：政府公报与立法会答复、主站卷宗、媒体与教育界常见说法。能对上的写「一致」，对不上的写清差在哪一步。

1. 成本回收率 12.5%（政府公报 2024-06-20）。官方定义是资助课程本地学费占平均单位成本的比率，2024/25 预计 12.5%、三年加费后 2027/28 回到 13.4%，目标 18%。本页的 12.3% 是中大本科的自付率（42 ÷ 342.4），分母是学费加 78% 教学拨款按核定学额分摊，不是全港单位成本。两者相差 0.2 个百分点，隐含单位成本 336.8k 与本页 342.4k 相差 1.7%——口径不同、量级互证。政府新闻公报^※
2. 主站《学费与奖助学金》的 22.8% 与「八大涨幅最高」。145,000 → 178,000 = +22.8%，本页一致；本页补充 2024-25 → 2026-27 两年累计 +47.6% 亦为六校之最，但 214k 的水平低于 HKU 224k、HKUST 215k。主站写「214,000 是本地 44,500 的近 4.8 倍」，本页写 4.55 倍，差别在分母：主站用 2025/26 本地学费，本页用 2026-27 同年的 47,000。主站引政府「1997/98 以来综合 CPI 累计上升约 40%」，本页只有 2009 年起的指数（2010 → 2024 为 +45%），窗口不同、不矛盾。见 主站《香港中文大学学费与奖助学金》。
3. 主站《财务》的政府拨款占比。主站列 2018-19 约 53.2%、2023-24 48.9%，与本页 finance 序列复算值逐位相同（53.2 / 48.9）；学费 2,928M、其中约六成来自非 UGC 课程，亦一致。一处口径标注差异：主站以「官方百万港元口径」引用 13,161M，并提示逐项支出以年报「综合收益表」为准；本页数据集的 note 则写「大学本部、未合并」（年报 Table 1）。两者数字相同，口径标签待统一。见 主站《财务》。
4. 主站《关键数字》的非本地生比例 20.8%（2023/24）。本页 UGC 全层级口径 2023-24 为 20.5%（4,701 ÷ 21,625 = 21.7% 为 2024-25），差异应来自快照时点或是否含自资课程；同页「研究式研究生 83.3%」与本页 rpg_nl_share 2023-24 = 83.3% 完全一致。见 主站《关键数字》。
5. 教育局：2024/25 非本地本科「逾 17,000 人、约为本地学额 23%」。用 UGC 开放数据复算：八校非本地本科 17,161 人，核定本科学额合计 74,081，比率 23.2%。这既验证了本页的限额分母选择，也说明官方「本地学额」就是核定学生人数指标。同一答复称教育局不掌握非本地学费收入数据——这正是本页份额只能估计的制度原因。立法会答复（2024-11-20）^※
6. 「八大非本地在学 20,400 → 30,393」。这两个数是 raw_ugc 来源地表按八校、全层级、非本地求和的 2021-22 与 2025-26 值，同表 2023-24 为 23,099、2024-25 为 26,645；四年 +49% 可由任何人从 data.gov.hk 原表复算。
7. 「非本地本科生中约 72% 来自内地」（external_research.json 记为 2025 年施政报告引述，来源为媒体转述）。八校非本地本科的内地占比：2024-25 为 72.2%，2025-26 为 71.7%，与该数字一致；中大单校 71.7% 恰与全港持平。主站引 THE 的「非本地新生 75% 来自内地」是新生流量口径，「研究式研究生 92%」是八校口径（本页 UGC 复算 2024-25 为 92.0%），中大单校为 94%（2,007 ÷ 2,136，2024-25）。University World News（2025-09-17）^※
8. 媒体常见误读：「非本地生上限 40% / 50%」。上限是相当于本地学额的 40%，且非本地生在学额之外录取，因此即便用满，非本地生占本科总数也只有 40 ÷ 140 = 28.6%（50% 上限对应 33.3%）。「四成学生是非本地」不是政策含义；中大实际占比 15.5%，八校合计 20.4%（20,093 ÷ 98,362，2025-26）。
9. 「15,000 个本地资助学额不变」。这是每届一年级学额，与本页分母（八校核定本科学额存量 FTE 74,131，2025-26）不是同一层次，不能相除；把 17,000 与 15,000 并列会得出「非本地已超本地」的错觉。
10. 宿位 37,600 与「资助课程非本地生约 14,900」（立法会 2024-10-30）。本页八校非本地本科 2023-24 为 14,756 人，与 14,900 相差 1%，提示该答复的非本地生数为本科口径；若按全层级则为 23,099。宿位数据本页未独立取得，只引用。立法会答复（2024-10-30）^※

已知局限与未做之事

结论章已列八条局限，这里只补方法层面、且本节自己能看见的东西。

• 没有成本数据。全页没有任何按学生类别的边际成本或分学科单位成本；「谁补贴谁」只能停在出资来源。官方 12.5% 是全港单一比率，本页未取得其年度序列。
• 自资课程是黑箱。年报 60% 之内的生源构成、专业进修学院与自资本科的份额、修课式硕士的实际费率均无数据；ext.tpg_self_financed_est（在册减学额，2025-26 为 1,200 − 785 = 415）只是 UGC 口径内的超额部分，不是自资体量。
• F&F 是单校单源。入学流量只有中大、只到 2024-25（估算），八校没有可比的新生序列；2022-23 没有任何一版 F&F 的快照覆盖，插值 583 是本页最弱的一个数。
• headcount 近似。限额消耗率对有兼读本科的院校偏高；教育局 FTE 只有中大两年，无法给出八校的监管口径数值。
• 财年与学年错位。生均补贴用财年补助除以起始学年人数，7–8 月的错位未处理；年报为大学本部口径，不含港中大（深圳）。
• CPI 只用综合指数。未用教育分项、工资指数或单位成本指数平减；「实际减价 31%」衡量家庭购买力而非办学成本。
• 同业费率有存档缺口。五校 47 行中 15 行为 medium、1 行为 low（HKUST 2014-15 由 2016 年报道倒推）；LingU、EdUHK 未纳入费率比较。
• 三源校验只有两年是三源。教育局 FTE 仅 2022-23、2023-24，其余年份实为 F&F 与 UGC 双源。
• 学科数据不分来源。UGC 学科表不区分本地/非本地，「医科增量以本地为主」是推测，图 16–17 无法按生源拆分。
• 未做的事。没有抓取中大分书院宿位数、申请量与录取率序列、奖学金支出、非本地生的国别细分（UGC 只有三组）；没有把 2025-26 之后的 UGC 修订值机制化（当前为初值）；没有对政策事件做任何因果识别，「政策台阶论」是时序描述；external_research.json 中 1 项声明（全港非本地在学 52,800 → 89,000）只有单一媒体来源，正文未使用；主站与本页在「综合收益表 / 大学本部」财务口径标签上的不一致尚未回改。
• 复现的前置条件。PDF 抽取依赖 pdfplumber 与本地保存的 PDF；extracted/students_raw.json 已随项目提供，跳过第 1 步亦可从第 2 步起完整重建全部 JSON、CSV 与网页。