2017年-世界发展银行全球_Mission_Impossible____Exploring_the_Promise_of_Multiple_Imputation_for_Predicting_Missing_GPS-Based_Land_Area_Measures_in_Household_Surveys_23页_760kb

总结：Mission Impossible? 探索多重插补在预测缺失的GPS土地面积测量中的潜力

核心内容

本研究探讨了在家庭调查中使用多重插补（Multiple Imputation, MI）技术预测缺失的GPS土地面积测量的可行性。尽管GPS技术被广泛认为是土地面积测量的可扩展黄金标准，但受限于预算和操作成本，调查机构通常仅测量距离住宅一定范围内的土地。这导致了大量土地面积数据的缺失，进而可能引入选择偏差，影响分析结果的准确性。研究利用了来自马拉维和埃塞俄比亚的全国代表性家庭调查数据，这些数据中GPS土地面积的缺失率非常低，从而验证了MI方法在预测缺失土地面积方面的有效性。

主要观点

• GPS土地面积测量的重要性：GPS技术已被证明在家庭调查中能够提供准确的土地面积数据，尤其在非洲地区，其对农业生产力、不平等和土地登记等研究具有重要意义。
• 数据缺失问题：由于操作成本限制，许多家庭调查中GPS测量仅限于距离住宅较近的土地，导致远距离土地面积数据缺失。
• 多重插补的潜力：研究发现，在马拉维，即使高达82%的远距离土地面积数据缺失，MI方法仍能产生与真实分布统计上无法区分的插补结果；在埃塞俄比亚，这一比例为56%。
• 不同距离阈值的影响：当距离阈值从1公里降低到500米时，插补结果的可接受缺失率分别提高至45%（马拉维）和36%（埃塞俄比亚），对应的总体可接受缺失率为21%和15%。
• 模型构建与验证：研究构建了基于农民报告的土地面积的多重插补模型，并通过Kolmogorov-Smirnov（KS）检验比较了插补数据与真实数据的分布差异，以评估模型的准确性。

关键信息

• 数据来源：研究使用了马拉维的IHS3（2010/2011）和埃塞俄比亚的ESS2（2013/2014）数据，这些数据在GPS土地面积测量方面的缺失率分别为3.8%和6.2%。
• 距离阈值设定：研究设定了两个距离阈值：500米和1公里。在超过这些距离的土地上，模拟了1%至100%的缺失率。
• 插补方法：采用预测均值匹配（Predictive Mean Matching, PMM）方法进行多重插补，以减少插补过程中的偏差。
• 结果分析：结果显示，土地面积的缺失对农业生产力的影响更为显著，因此农业生产力的可接受缺失率低于土地面积的可接受缺失率。
• 政策建议：研究建议优化实地调查工作，以尽可能减少远距离土地面积数据的缺失，从而提高家庭调查数据的分析价值和政策相关性。

研究结构

1. 引言：介绍了土地面积测量在农业研究中的重要性，以及GPS技术的优势与挑战。
2. 数据：描述了马拉维和埃塞俄比亚的数据来源、调查方法和样本特征。
3. 实证方法：
   • 人工缺失数据生成：在超过特定距离的土地上随机模拟缺失数据。
   • 多重插补模型构建：基于农民报告的土地面积和其他相关变量构建插补模型。
   • 缺失率评估：通过KS检验比较插补数据与真实数据的分布差异，以确定可接受的缺失率阈值。
4. 结果：展示了不同距离阈值和缺失率下的插补效果，强调土地面积缺失对农业生产力分析的影响。
5. 结论：多重插补在预测缺失GPS土地面积测量方面具有显著潜力，能够有效减少数据缺失带来的偏差，同时为实地调查操作提供了优化建议。

结论与建议

研究证明，多重插补方法在预测缺失GPS土地面积测量方面具有较高的准确性，尤其在土地面积缺失率较高时，其插补结果仍能保持与真实分布的统计一致性。这为在家庭调查中采用GPS技术提供了新的可能性，同时也为如何在实际操作中合理设定距离阈值、优化数据收集流程提供了实证依据。建议调查机构在预算和操作可行性的前提下，尽量减少远距离土地面积数据的缺失，以确保分析结果的稳健性和政策相关性。