世界银行-也门人道主义危机中早期发现粮食不安全的数据驱动方法（英）-2024.5-42页_2mb

也门人道主义危机粮食不安全预警数据驱动方法分析总结

摘要与背景
本研究采用数据驱动方法，通过五类风险指标（食品物价、燃油物价、汇率、干旱、冲突）监测也门粮食安全风险，探索早期预警机制。基于综合粮食安全阶段分类（IPC）数据及机器学习算法，研究开发优化指标阈值方法，构建关税则预测风险模型。

主要发现

1. 核心指标预警效能：

• 食品价格变化（+26%）和燃油价格波动（+26%）对风险预警贡献最高；
• 汇率变动在前期误报率达45%，优化后显著改善；
• 干旱指标需结合地区差异校正阈值；
• 冲突数据在南部地区表现更敏感

2. 预测优势与创新：

• 五维指标集成实现预警覆盖率与准确率平衡（假正例率为30%，假负例率为33%）
• 地区分割效应显著（国际认�政府区主要受通胀影响，胡塞区则对干旱更敏感）
• 在前瞻性预测（5个月以上）方面达到国际先进水平

政策建议

• 建立区域化预警阈值体系；
• 加强人道粮仓信息系统建设；
• 开展营养状态监测配套研究；
• 推动模型适配其他危机热点地区应用

该方法突破了传统评估的时间滞后性和区域局限性，为人道危机早期响应提供了量化工具。但需注意模型对数据质量的依赖性，建议配套开展营养评估和实地验证研究，以提升预警系统的综合效能。