利用机器学习算法研究天气因素对迁移意愿的影响
综合经济学
2020-12-08 v1 人工智能
经济学
摘要
实证文献中，日益关注气候冲击与变化对迁移决策之影响。既往文献结论不一，且采用众多传统实证方法。本文提出一种基于树的机器学习(ML)方法，以分析在布基纳法索、科特迪瓦、马里、毛里塔尼亚、尼日尔和塞内加尔等六个农业依赖型经济国家中，天气冲击对个体迁移意愿的作用。我们采用训练-验证-测试流程执行若干基于树的算法（如XGB、随机森林），以构建稳健且抗噪的方法。随后我们确定重要特征，并揭示其影响迁移意愿之方向。此基于ML的估计纳入了由标准化降水蒸散指数(SPEI)在不同时间尺度所捕捉的天气冲击，以及各类社会经济特征/协变量。我们发现：(i)天气特征虽提升预测表现，但社会经济特征对迁移意愿影响更甚；(ii)有必要建立国别模型；(iii)国际迁移受较长SPEI时间尺度影响更大，而一般迁移（含国内迁移）受较短时间尺度影响更大。
引用
@article{arxiv.2012.02794,
title = {Impact of weather factors on migration intention using machine learning algorithms},
author = {John Aoga and Juhee Bae and Stefanija Veljanoska and Siegfried Nijssen and Pierre Schaus},
journal= {arXiv preprint arXiv:2012.02794},
year = {2020}
}