财富指数预测在非洲七国间的三种多源推断模型比较分析
物理与社会
2024-10-29 v3 计算机与社会
机器学习
摘要
贫困地图推断已成为研究的焦点，运用了从回归模型到应用于表格数据、卫星图像和网络的卷积神经网络等传统与现代技术。虽然在训练阶段对模型的验证得到了广泛关注，但最终的预测则受到较少的 scrutiny。本研究分析了 Lee 和 Braithwaite (2022) 以及 Espín-Noboa 等 (2023) 的国际财富指数 (IWI) 预测值，以及 Chi 等 (2022) 推断的相对财富指数 (RWI)，覆盖了撒哈拉以南非洲六个国家。我们的分析揭示了这些模型之间在财富预测中的趋势和差异。特别是，在考虑训练数据差异后，Lee 和 Braithwaite 与 Espín-Noboa 等之间的预测存在显著且意外的差异。相比之下，Espín-Noboa 等和 Chi 等之间的财富分布预测形状更为接近，表明其偏斜程度相似。这一发现引发了对某些模型有效性的疑虑，并强调了针对用于政策制定的财富预测算法进行严格审计的重要性。持续的验证和完善对于确保这些模型的可靠性至关重要，尤其是当它们用于贫困减缓策略时。
引用
@article{arxiv.2408.01631,
title = {A Comparative Analysis of Wealth Index Predictions in Africa between three Multi-Source Inference Models},
author = {Márton Karsai and János Kertész and Lisette Espín-Noboa},
journal= {arXiv preprint arXiv:2408.01631},
year = {2024}
}
备注
14 pages (main + references) + 8 pages (appendix). Accepted at the 9th Workshop on Data Science for Social Good, SoGood 2024, held in conjunction with ECML PKDD 2024, at Vilnius, Lithuania