文献分享ES利用梯度提升机模型确定基
文章指出，可持续发展目标（SDGs）旨在应对复杂的全球挑战，涵盖社会发展、环境保护和经济增长的各个方面。然而，这些目标的整体性和复杂性使其难以实现。因此，为了对可持续发展目标的实现产生最深远的影响，优先考虑和改进共同受益目标是一种有效的解决方案。该项研究证实，国家的地理位置和收入水平与总体可持续发展目标的实现有显著关系。该研究应用梯度提升机（GBM）算法确定了推动SDG总体得分的前5个SDGs。指出，具有影响力的可持续发展目标因不同地区特定收入水平的国家而异。在欧洲和中亚，SDG10是对高收入国家最具影响的目标之一，SDG9是对中高收入国家最有影响力的目标之一，SDG3在撒哈拉以南非洲的低收入和中低收入国家是最有影响力的目标之一，而SDG5在拉丁美洲和加勒比中高收入国家。研究证实了目标与总体可持续发展目标成就之间关系的独特性和非线性。
文章采用了一种机器学习方法——梯度提升机（GBM）算法识别SDGs的关系，以此确定共同受益的可持续发展目标。主要包括四个阶段和六个步骤。
（图片来自原文）在第二阶段设定环境、确定预测因素中，文章从每个可持续性支柱中检验一个因素：经济选择收入水平，文章使用世界银行基于人均国民总收入（GNI）的国家收入分类，将收入水平分类为高收入（HIC）、中高收入（UMIC）、中低收入（LMIC）和低收入（LIC）。此外，为了涵盖自然资源、社会政治文化、领土和环境方面的总体观点，文章在分析中添加了国家地理位置作为背景因素进行评估，使用世界银行的七个地区分类，包括东亚和太平洋、欧洲和中亚、拉丁美洲和加勒比、中东和北非、北美、南亚和撒哈拉以南非洲。社会角度，检验了人口因素。文章首先使用多元线性回归（MLR）调查了地区、收入水平和人口与SDG指数之间关系的重要性，证实地区和收入水平与可持续发展目标指数之间存在显著关系，因此使用这两个因素来确定同一地区具有相同收入水平的国家的共同受益的可持续发展目标。
文章认为，GBM模型非常灵活，可以容纳缺失的数据，并且不需要移除异常值。同时为了通过更多的观察来提高模型的性能，文章使用了年至年贝塔斯曼基金会和可持续发展解决方案网络（BSDN）数据集中各个国家的17个SDG分数和SDG指数。
研究结果表明，在所有模型中，改善每个目标都会对SDG指数产生积极影响；然而，它们的影响程度各不相同。对于同一地区收入水平相同的国家，一些目标导致SDG指数高于邻国。
（图片来自原文）
减少国家内部和国家之间的不平等（SDG10）和建设有弹性的基础设施（SDG9）分别是欧洲和中亚的HIC和UMIC国家最具影响力的可持续发展目标。重振全球可持续发展伙伴关系（SDG17）和确保可持续消费和生产模式（SDG12）仅在欧洲和中亚的HIC国家被确定为具有影响力的可持续发展目标。促进陆地生态系统的可持续利用（SDG15）和采取紧急行动应对气候变化（SDG13）是欧洲和中亚UMIC国家最具影响力的可持续发展目标之一。在撒哈拉以南非洲地区，对于中低收入国家和低收入国家来说，良好的健康和福祉（SDG3）是所有共同受益的目标。
（图片来自原文）
值得注意的是，建设弹性基础设施（SDG9）在撒哈拉以南非洲低收入国家中的重要性位居第二，也是该地区中低收入国家最具影响力的五大可持续发展目标之一。在那些使城市具有包容性、安全性、弹性和可持续性（SDG11）的国家，实现粮食安全、改善营养、促进可持续农业（SDG2）以及实现两性平等和赋予妇女和女孩权力（SDG5）是五大影响目标之一拉丁美洲和加勒比的UMIC国家的结果显示，实现性别平等和赋予妇女和女孩权力（SDG5）是最高的共同受益目标。
（图片来自原文）
前三个影响变量累积了SDG指数50%的相对影响。每个目标的改善都会对SDG指数的改善产生独特的影响。对于许多目标而言，预测的可持续发展目标指数呈阶梯式上升趋势。
（图片来自原文）
文章讨论了研究的优点与局限性，认为机器学习方法克服传统统计方法的局限性，为同一地区具有相同收入水平的国家拟合GBM模型有助于确定在这些国家中具有影响力的SDGs。然而，在BSDN的SDG数据中，一些指标衡量实现目标的进展情况与联合国指标不同。由于数据限制，许多一级指标并未包含在分数计算中。因此，改变指标或增加更多指标可以改变SDG得分。此外，尽管机器学习算法较少依赖于判断或有偏见的标准，但依赖于数据质量。当缺少指标的数据可用时，需要进行更多分析。该研究的结果基于横断面数据，因此，无法推断因果关系。同时，研究从可持续性的各个方面考虑了一个因素，以确定背景优先顺序，可能还有其他影响可持续发展目标关系的因素未包括在本研究中。此外，研究针对的是同一地区收入水平相同的国家。因此，它没有为单个国家提供具体和详细的优先顺序。
文章最后指出，未来的研究需要进一步研究调查国家特征与可持续发展目标之间的关系，以确定哪些其他因素与可持续发展目标指数存在显著关系。还需要在国家层面对每个国家进行进一步调查，其中包括自然资源（如土地或水资源）、文化背景、人力资源、治理和体制能力等其他因素。此外，该研究中的分析是在目标水平上进行的，对共同利益目标有最重大影响的目标或指标之间的关系值得探讨。
声明：本推送内容为课题组对文章的理解，不是对原文的翻译，请有兴趣的同学阅读原文。课题组水平有限，难免出现错讹，也请各位专家、同学批评指正。
原文请见：AsadikiaA,RajabifardA,KalantariM.Region-in
转载请注明：http://www.abuoumao.com/hyls/1360.html
