通过自编码器开发社会经济指数：基于佛罗伦萨郊区的实证研究
统计方法学
2026-04-03 v2 应用统计
摘要
对复杂多维现象（与社会、经济、环境、政治等特定领域相关）进行总结以便于非专业人士理解的需求远未减少。为此目的，广泛采用的是复合指数方法，即将多个指标聚合为单个综合性度量的统计方法。本文提出了一种新颖方法论，称为AutoSynth，通过自编码器（神经网络技术）将特征矩阵表示为低维空间，从而将 potentially 广泛的数据集压缩为单个合成指数或该类指数的层级结构。虽然该方法不限于创建特定的复合指数，可广泛应用于各行各业，但本工作的动机源于实际需求。具体而言，我们旨在评估意大利城市佛罗伦萨在郊区层面的脆弱性，涉及经济、人口和社会三个维度。为证明方法论的有效性，本文还应用于美国县县级数据集，以进行脆弱性指数的估计，并通过仿真研究进行验证。
引用
@article{arxiv.2506.23849,
title = {Developing a Synthetic Socio-Economic Index through Autoencoders: Evidence from Florence's Suburban Areas},
author = {Giulio Grossi and Emilia Rocco},
journal= {arXiv preprint arXiv:2506.23849},
year = {2026}
}