基于层次聚类与矩阵补全的世界投入产出表重构
机器学习
2022-03-18 v1 机器学习
摘要
世界投入产出（I/O）矩阵提供了国内与跨国经济关系的网络。在投入产出分析背景下，国家统计机构在数据收集中所采用的方法引发了及时获取可靠数据的问题，并使（部分）I/O 矩阵的重构具有特殊意义。本工作中，我们提出一种结合层次聚类与带 LASSO 式核范数惩罚的矩阵补全（MC）的方法，以填补部分未知的 I/O 矩阵的缺失项。基于合成矩阵的模拟，我们研究了该方法利用往年数据以及与缺失当前数据的国家相似的国家的当前数据来预测缺失值的有效性。为展示方法的实用性，给出了基于世界投入产出数据库（WIOD）表（其为产业×产业 I/O 表的示例）的应用。我们还发现了 WIOD 与其他 I/O 表之间结构的强相似性，这使得所提方法可轻易推广至它们。
引用
@article{arxiv.2203.08819,
title = {Hierarchical Clustering and Matrix Completion for the Reconstruction of World Input-Output Tables},
author = {Rodolfo Metulini and Giorgio Gnecco and Francesco Biancalani and Massimo Riccaboni},
journal= {arXiv preprint arXiv:2203.08819},
year = {2022}
}