从网中溜走：数据科学方法能否助力清洁烹饪政策干预的精准定向？
物理与社会
2020-11-24 v2 计算机与社会
应用统计
摘要
印度对固体生物质烹饪燃料的依赖对家庭具有负面的健康与社会经济后果，然而旨在促进烹饪用 LPG 普及的政策在促使目标受益群体持续转向更清洁烹饪方面并非总是有效。本文采用两步法，结合对 IHDS 面板数据集的预测性与描述性分析，识别在 2004/5 至 2011/12 年间更换炉灶的不同家庭群体。基于树的集成机器学习预测分析确定了从生物质炉灶转向非生物质炉灶的关键决定因素。描述性聚类分析用于识别遵循不同转型路径的换灶家庭群体。本研究有三个关键发现：首先，换灶的非收入决定因素对换灶没有线性影响，特别是关于使用时间与家电拥有的变量，它们提供了家庭能源实践的代理指标；其次，包括地区、基础设施可用性与住房质量在内的区位特定因素被发现是关键决定因素，因此政策必须因地制宜以考虑地方差异；第三，清洁烹饪干预必须采取一系列措施，以解决处于不同能源转型路径上的家庭所面临的障碍。
引用
@article{arxiv.2002.02763,
title = {Slipping through the net: can data science approaches help target clean cooking policy interventions?},
author = {André Paul Neto-Bradley and Ruchi Choudhary and Amir Bazaz},
journal= {arXiv preprint arXiv:2002.02763},
year = {2020}
}
备注
42 pages, 7 figures