贝叶斯非参数分部聚类：评估欧盟农业补贴的有效性
统计方法学
2024-12-18 v1
摘要
全球气候的变化凸显了减少来自所有来源（包括农业扩张产生的排放）的温室气体排放的必要性，而农业扩张受到欧盟（EU）共同农业政策（CAP）的调控。为了评估这些减排政策的有效性，统计方法必须考虑政策在不同国家间的异质性影响。我们提出一种贝叶斯方法，将适用于组成式土地利用数据的多项逻辑模型与贝叶斯非参数（BNP）先验结合，以聚类影响类似政策的地区。为同时控制其他相关因素，我们区分了聚类特定因素与全局因素，称之为贝叶斯非参数分部聚类模型。我们发展了一种新颖且高效的马尔可夫链蒙特卡罗（MCMC）算法，利用贝叶斯文献中的最新进展。利用来自22个欧盟成员国的经济、地理和补贴相关数据，我们检验影响欧洲土地利用决策的政策有效性，并凸显了问题的多样性。我们的结果表明，CAP在欧盟内部的影响差异很大，强调针对性地调整补贴以优化其有效性的必要性。
引用
@article{arxiv.2412.12868,
title = {Bayesian nonparametric partial clustering: Quantifying the effectiveness of agricultural subsidies across Europe},
author = {Alexander Mozdzen and Felicity Addo and Tamas Krisztin and Gregor Kastner},
journal= {arXiv preprint arXiv:2412.12868},
year = {2024}
}