人力资本形成的即时中断：来自马拉维农村高频家庭和地理空间数据的证据（英）2025

核心观点： 该研报探讨了利用高频家庭调查数据与公开可用的地理空间数据相结合，是否能够提高机器学习模型在时间和空间上的预测准确性，从而增强对人类资本形成中断的实时监测。

关键数据： 研究使用了2020-2023年在马拉维南部收集的高频家庭调查数据，以及公开可用的遥感特征，包括可解释特征（如天气、植被指数、夜间光照等）和更抽象的上下文特征。

研究结论：

• 疾病和学校中断无法可靠预测： 使用高频家庭调查数据和地理空间特征，模型无法可靠地预测疾病和学校中断。
• 粮食不安全指标预测效果较好： 当同时使用滞后结果数据和地理空间特征时，对粮食不安全指标的时空预测效果良好。
• 滞后结果数据至关重要： 预测结果的准确性高度依赖于滞后结果数据的可用性。即使经过12个月的滞后，滞后粮食不安全数据仍然对预测非常有价值。
• 地理空间特征可提高预测准确性： 地理空间特征可以显著提高对粮食不安全指标的预测准确性，包括膳食多样性和家庭饥饿程度。
• 模型性能受多种因素影响： 预测准确性受结果指标、算法、参数、数据分割和交叉验证方法的影响。
• 高频调查数据具有重要价值： 该研究表明，高频家庭调查数据作为监测工具和预测模型输入，具有重要价值。

研究意义： 该研究为改善粮食不安全、健康和教育指标的实时监测提供了新的思路，有助于指导及时干预，减轻不必要的痛苦，防止对人类资本造成长期损害。