关于夜间灯光数据在经济学应用的探讨？屋室灯

成都馨巢灯具批发总结“关于夜间灯光数据在经济学应用的探讨？屋室灯”的问答，工程照明找馨巢。关于夜间灯光数据在经济学应用的探讨？屋室灯的内容如下：

雷士照明河北、天津运营中心全速驰援石家庄黄庄公寓集中隔离点建设

关于夜间灯光数据在经济学应用的探讨

2022-01-18    

27373

　　近年来，夜间灯光数据越来越普遍的被经济学者使用。无论是中文期刊照样国际期刊，都泛起了大量基于DMSP夜间灯光数据的剖析功效。研究功效鲜有讨论DMSP夜间灯光数据自身的问题和局限。本文分享Gibson et. al(2022)在Journal of Development Economics的文章，讨论夜间灯光数据库的选择、应用问题与局限性。

　　一、弁言与靠山

　　近年经济学中，大量基于夜间灯光数据的实证磨练大多使用DMSP夜间灯光数据。关于DMSP(Defense Meteorological Satellite Program)的详细数据和先容可以参见文末提供网址。DMSP数据被普遍使用主要有以下两个缘故原由：一是Henderson et al. (2012)和Chen and Nordhaus (2011)的伟大学术影响。两篇文献指出，只管夜间灯光数据有许多噪音，夜间灯光数据仍可以作为传统经济统计数据的弥补。二是DMSP提供了较长时间序列(1992-2022)的年度数据。

　　最新的部门使用夜间灯光数据的研究最先使用另一个数据泉源——VIIRS(Visible Infrared Imaging Radiometer Suite)。DMSP数据不提供2022年以后的数据，而通过VIIRS则可以获得仅稍有时滞的月度数据。遥感科学的几篇文献指出VIIRS数据相对DMSP数据的优点，但这些文献很少被经济学者注重和引用。

　　现在，虽然VIIRS月度数据可从2012年4月获得，但经由人工校准的年度VIIRS数据仅有2022年和2022年两年。而月度VIIRS数据中由于存在诸如极光等滋扰，因此需要人工校准调整而不能简朴加总与DMSP数据举行对照。

　　DMSP数据的瑕玷主要在于其数据模糊、分辨率粗拙、无人工校准、低动态局限、顶层编码设计问题和时空不能比等问题。Nordhaus and Chen(2022)指出，使用照明时间序列数据估量的GDP相较传统的截面GDP数据有更大的不确定性。由于手艺观察等缘故原由，DMSP数据缺乏空间准确性，这导致了DMSP数据中照明面积的估量存在伟大的高估——大都会的平均误差约莫在77%，小都会的平均误差则会高达500%。由于月球反光和云量等手艺缘故原由，DMSP数据缺乏时间一致性，而这会导致基于DMSP数据估量的GDP时间序列数据泛起偏误。由于差异观察卫星获得的灯光数据存在差异，差异卫星之间无人工校准导致了DMSP数据中部门区域数据存在前后矛盾征象。其他DMSP数据缺陷还体现在其卫星传感器缺陷导致了DMSP无法同时捕捉明亮区域和幽暗区域的光，而这个问题在VIIRS数据中不存在。因此Bluhm and Krause (2022)提出，假设灯光数据遵守帕累托漫衍，从而校准DMSP数据。

　　此外，夜间灯光数据另一个主要问题在于不太适合研究人口密度低的区域，其中就包罗了宽大农村区域。虽然VIIRS相对DMSP可以更好地检测光线昏暗的区域，然则承载VIIRS的卫星观察地球的时刻的穿越时间约莫是破晓1:30，那时农村区域的家庭(或农场)照明不太可能被打开，而都会的路灯则往往都是整夜打开。Chen和Nordhaus(2022)发现，在DMSP数据中险些有一半的单元纪录为零光，而在VIIRS数据中所有单元都纪录了光。现实上，纵然对于人口在10,000至100,000之间的单元，在DMSP数据中也有51%被纪录为零光。来自非洲，亚洲和太平洋区域的低密度区域的其他示例是：纵然在这些区域中有一半以上的家庭使用电灯的情形下，DMSP或VIIRS也无法检测到高达70%的人口。

　　二、基于印度尼西亚的实证剖析

　　文章选用印度尼西亚作为主要实证工具的缘故原由是印度尼西亚是为数不多的拥有可靠的省/市GDP数据的生长中国家之一，可以将其作为基准(关于中国的问题作者在后文讨论)。

　　文章剖析代表印度尼西亚农村城镇的Kabupaten(险些没有都会化)和高度都会化的Kota。两类行政区域内都拥有众多人口。若是灯光数据中无法识别这两类区域或注释这两个区域的人均GDP，那么可以推断灯光数据在人口更少的地方显示会同样差。Table1是两类行政区域基础信息和灯光数据的形貌性统计。

　　文章的基准回归方程是：

　　其中，被注释变量是各个区域的真实GDP的自然对数，焦点注释变量是该区域灯灼烁度年加总的自然对数，回归方程中还加入了时间虚拟变量以剖析两年的夹杂截面。同时，类似于时间牢靠效应，任何其他时间上GDP的滋扰因素也将被时间虚拟变量吸收。回归方程不旨在论述经济上的因果关系，而是讨论两种夜间灯光数据作为权衡当地经济流动的指标对地方的GDP的替换水平若何。

　　基准回归效果如Table2所示，表格上半部门是夹杂截面回归效果，下半部门是逐年回归效果。基于印尼天下样本，使用DMSP数据，回归发现夜间灯灼烁度与现实GDP没有显著相关关系，回归方程中R方最大也仅为0.01;使用VIIRS数据的夹杂截面回归R方值提高到了0.05，这主要由组间R方决议，回归的组内R方为0.00。

　　划分对Kabupaten和Kota两类区域举行回归估量。使用DMSP数据，研究发现，Kabupaten(农村区域)夜间灯灼烁度与地方人均GDP关系显著为负;Kota(都会区域)夜间灯灼烁度与地方人均GDP关系显著为正。使用VIIRS数据，Kabupaten(农村区域)夜间灯灼烁度与地方人均GDP相关关系不再显著，Kota(都会区域)夜间灯灼烁度与地方人均GDP关系仍然显著为正，而且R方为0.68。从R方差异中可以看出，夜间灯光数据更适合应用于都会化水平较高区域。夜间灯光数据并非印尼等国非都会区域GDP数据的一个合适替换。同样，还可以看出，VIIRS数据的展望能力要高于DMSP数据的展望能力。此外，作者基于2022年VIIRS校准效果，将2012-2022年VIIRS月度数据汇总处置，发现VIIRS数据仍然比DMSP数据有更高的展望能力。

欧普照明“光速”驰援河北石家庄集中隔离点建设

　　众多实证研究使用了加倍细腻的区域，甚至使用像素级的DMSP数据举行实证研究。将夜灯数据用于云云小的空间单元，有需要评估DMSP数据和VIIRS数据在展望差异空间群集水平的GDP方面的显示。由于印尼数据限制，下文作者将使用中国数据对此举行磨练。

　　DMSP夜间灯光数据还被普遍用于实证研究区域不同等征象，但使用DMSP数据很有可能低估了空间不同等。Table 3汇报了基于差异指标测算的印度尼西亚的基尼系数和泰尔指数，其中第二行是假设灯光遵守帕累托漫衍举行调整的DMSP数据;Figure1进一步汇报了基于两种夜间灯光测算的洛伦兹曲线。2011年至2022年，以GDP测算的印尼基尼系数险些没有转变，泰尔指数略有下降。但使用DMSP估量的基尼系数和泰尔指数却显著显著低于使用VIIRS数据估量的基尼系数和泰尔指数。无论是使用哪种夜间灯光数据，使用统计GDP得出的空间不同等均高于行使夜间灯光数据对空间不均等的估量。

　　夜间灯光数据还被使用举行都会内部差异剖析。但由于DMSP数据获取的手艺缘故原由，使用DMSP数据对特定都会剖析同样会存在扭曲。Figure2基于夜间灯光数据绘制了雅加达都会内部情形，其中(a)从DMSP数据得出，82%的都会区域都处于亮渡过饱和状态，DN值为63(很可能是最高值)，17%的都会区域DN值为62，因此整个都会与农村的区别就相当于一个0-1虚拟变量;(b)使用了帕累托调整的DMSG数据(假设亮度遵守帕累托漫衍)，调整后数据大略定位了雅加达CBD位置，但忽略了雅加达都会特征，也没能捕捉雅加达口岸的信息;(c)使用了VIIRS数据，既描绘了雅加达CBD的都会特征，也捕捉到了雅加达忙碌的口岸信息。

　　三、基于中国和南非的实证再磨练

　　以上结论作者行使欧洲蓬勃国家举行了磨练，效果在作者John Gibson的另一篇事情论文中。基于中国和南非数据，作者对主要结论在生长中国家的应用举行了磨练。

　　与印尼Kabupaten和Kota两种行政区域笼罩整个国家差异，中国的行政区划更为庞大。其一，只管大部门区域行政区划都是“省——县——乡”三级，存在诸如自治旗、县级市、直辖市等诸多破例区域，这导致了上海拥有16个区，但一样平常都会很难拥有那么多区县;其二，根据中国的市辖区和县举行划分，市辖区局限内仍然存在许多农村区域，在许多县中也存在县城区域，无法在统计数据上真正将农村与都会星散;其三，基于《中国都会统计年鉴》的省市GDP数据系统性清扫了中国人口密度最低的区域。而若是同样剔除印尼6.7%人口密度最低的区域，夜间灯光数据在展望GDP方面的性能同样可以提升，DMSP和VIIRS在展望能力上的差距也会更小。详细而言，使用DMSP数据的R方将提升至0.24，使用VIIRS数据的R方将提升至0.61。

　　Table 4划分汇报了两种夜间灯光数据的夜间灯灼烁度与中国县级地域GDP相关关系。Merged countries和Merged districts两列忽略上述市辖区与县城问题，将统计数据中市辖区和县举行区分，效果仍然获得了与上文类似的结论。

　　进一步，文章选用了重庆市详细的统计数据睁开讨论。Table5汇报了两种夜间灯光数据夜间灯灼烁度与重庆市区县GDP的相关关系。其中VIIRS2012-2022数据由VIIRS月度数据经由修正估量得出。将GDP根据三次产业结构划分，夜间灯灼烁度与第一产业产出的拟合优度较低，可以推断在农业占较大比重的地方，灯光数据不太可能很好地替换经济流动。将GDP根据更小的空间单元划分，DMSP数据对于小面积区域的展望能力将更弱(R方 0.18vs0.82)，VIIRS数据对于小面积区域的展望能力同样不如大面积区域(R方0.66vs0.86)。

　　基于南非的就业数据和GDP数据，文章再次得出类似的结论。

　　四、结论

　　首先，与被普遍使用的DMSP数据相比，VIIRS数据可以更好地替换经济流动。只管DMSP数据具有更长的时间跨度，由于手艺缘故原由，大多数遥感数据都不能很好的展望经济流动在时间序列上的转变。因此评估夜间灯光数据的性能应当更多思量其对注释截面数据的注释能力。

　　其次，DMSP数据和VIIRS数据似乎都不能很好地代表低密度农村区域的经济流动。因此，传统的农村调研对于农村研究在今天仍然起着不能被替换的主要作用。同时，相比夜间灯光数据，其他遥感包罗日间图像检测的Landsat数据或可以更好反映农村经济的截面情形。

　　此外，在将DMSP数据缩小局限使用时，DMSP数据的拟合优度也会下降。使用VIIRS数据，这个问题同样存在，但下降的幅度小于DMSP数据。使用DMSP数据剖析都会内部经济流动时，都会内部被同质化，而VIIRS数据为研究都会生长的空间名目提供了更好的资源。

助力发展，携手共进

以上是关于“关于夜间灯光数据在经济学应用的探讨？屋室灯”的解答，馨巢照明办公灯、教室灯厂家直销，更多照明资讯关注：https://www.okjobtime.com