基于机器学习的贫困地图中的空间异质性：模型在哪里表现不佳？（英）

核心观点

本研究探讨了机器学习贫困地图在空间异质性方面的表现，重点关注模型在未调查地区的预测偏差。研究发现，模型往往高估贫困地区、农村地区和单一产业经济体的福利水平，而低估富裕地区、城市地区和多元化经济体的福利水平。

研究方法

研究以埃塞俄比亚、乌干达、坦桑尼亚和马拉维四个东非国家为案例，利用来自Living Standards Measurement Study (LSMS)的家户调查数据和多种公开获取的地理空间数据，构建了消费支出和财富指数两个福利指标。研究比较了普通最小二乘法 (OLS)、地理加权回归 (GWR)、岭回归 (RR)、地理加权岭回归 (GWRR) 和地理加权随机森林 (GWRF) 等模型的预测性能，并分析了模型在不同居住区域、农业生态区 (AEZ) 和当地国内生产总值 (GDP) 综合分类下的表现差异。

研究结论

• 空间异质性导致模型偏差：模型在未调查地区的预测偏差主要体现在对贫困地区和农村地区的高估，以及对富裕地区和城市地区的低估。这种偏差在不同 AEZ 和 GDP 综合分类下也存在差异。
• 空间模型提升整体精度有限：虽然 GWR 和 GWRR 等空间模型在插值情况下提升了预测精度，但在传统表现较差的地区，提升效果有限。GWRF 模型在插值情况下甚至出现过拟合现象。
• 算法改进空间有限：在插值和插值情况下，引入分组变量或构建特征空间加权模型 (FSWRF) 并未显著提升预测精度，表明算法改进的空间有限。
• 数据质量是关键：研究结果表明，获取更多高质量的调查数据和更精确的遥感代理变量是提升模型预测精度的关键。

关键数据

• 福利指标：每日消费支出（2011年国际购买力平价美元）和国际财富指数（0-100）
• 地理空间特征：人口密度、到最近城市的旅行时间、夜间灯光、建筑足迹、地理（海拔、坡度）、植被（NDVI）、降雨和温度
• 分组变量：居住区域（农村、二级城镇、大城市）、AEZ、当地 GDP 综合分类

研究意义

本研究揭示了机器学习贫困地图在空间异质性方面的局限性，为未来研究提供了方向，强调了获取更多高质量数据和改进遥感代理变量的重要性，以确保贫困地图更好地支持公平有效的政策目标。