公共政策的效果评估对一个国家的发展具有重要意义。

公共政策的效果评估是指对政府实施的某项政策的影响进行定量或定性评估的过程，需要准确、详细、长期的数据。然而在世界许多地区，一些关键经济成果数据的缺失在一定程度上阻碍了相关公共政策的制定和评估。这种数据缺失将导致很多工作难以开展，从而影响相关政策的出台和实施，进而影响整个国家和社会的发展。

在数据缺失的情况下，如何采用低成本、可大范围推广的方法对公共政策进行准确评估？2022年11月发表于世界权威期刊《Nature》中的一篇论文《Using machine learning to assess the livelihood impact of electricity access》，探索研究了运用卫星影像和地区家庭财富调查数据，训练神经网络，评估乌干达全国家庭经济的产出，并进一步结合基于机器学习的因果推断，评估电力基础设施对地区民生的影响。

图片来源：参考文献

本期的《深读》专栏由浙江大学管理学院在读博士生朱子祺带来对论文《借助卫星图像洞察与推进可持续发展》的深度解析。

1 公共政策的效果评估有什么重要意义

长期以来，人们普遍更加注重公共政策的制定，对公共政策实施后所产生的效果和影响的评估则缺少关注。

公共政策需要通过详细可靠的相关数据评估检验。一项公共政策实施后，其科学性与有效性如何？对当地人们的生活水平产生了哪些影响？这些评估都需要通过科学技术手段收集相关政策效果的数据信息，并在此基础上加以科学分析和阐释，从而帮助政府判断这项政策的优点和缺陷，并进一步制定更加完善的政策。

在世界上大部分地区，关键的民生成果的数据非常稀缺，这种情况阻碍了对相关公共政策实施效果的评估。在许多国家，现有的数据只能片段地或者总体上展示出当地人民幸福生活的图景。然而随着时间的推移，由于缺少详细可靠的民生数据，无论是衡量当地人们幸福感的变化，还是准确评估这种变化是否受到了政策干预的影响，都将变得具有挑战性。这些评估非常重要，如果不解决这些问题，世界上一些最贫困地区人们的生活状况甚至难以改善。

目前，计算机视觉领域的最新进展与日益丰富的卫星图像的结合，有希望在数据稀缺的情况下，改善对民生成果的评估。

基于白天的卫星图像和夜间的灯光训练的深度学习模型方法，目前已经能够预测高达75%的地方经济数据的差异。然而，在评估公共政策或措施是否真正改善民生时，基本都没有用到这些新方法。

2 怎样用机器学习评估电网覆盖对人们生活水平的影响

近年来，非洲南部地区大力扩大电网覆盖，以改善公共设施功能、减少空气污染、提高家庭及社区的生产力，但电网扩张如何影响低收入地区经济产出的经验性证据仍然有限。

本篇论文研究了一种普适的方法克服数据缺失，即，利用卫星遥感和机器学习模型预测精细空间粒度下的乌干达资产财富指标，从而进一步评估电力设施接入对当地人们生活水平的影响。

图片来源：©千库网

众所周知，扩大电网覆盖有很多好处。例如：通过增加照明和电器的使用提高家庭生产力；通过发展新业务和延长工作时间提高社区生产力；电力还可以改善公共卫生设施的运行，替代烹饪、取暖或照明的污染能源来减少室内空气污染，改善家庭或学校学习环境来提高教育质量。

乌干达拥有4500万人口，其电网覆盖率从2010年的12%增加到2019年的41%，但人们对这项全国性投资的经济影响却知之甚少。了解电网覆盖扩大的影响对于指导未来的电网覆盖投资，以及实现联合国的全球普及清洁能源目标至关重要。

按照基于白天的卫星图像和夜间的灯光训练的深度学习模型方法，作者收集了人口与健康调查的相关数据，包括13年间对25个国家的2.7万个村庄和64万家庭的调查数据，并进行了分析处理，然后训练了一个卷积神经网络（一种机器学习模型）来处理和分析。

研究结果表明，接入电网后，村庄的资产财富增长速度非常快，是未接入电网的村庄的两倍以上。基于更广泛的国家数据的研究表明，电网接入能够使农村地区资产财富快速增长。

研究表明，电网接入能够显著改善地区社会经济福祉，也为贫困地区大规模基础设施建设的相关政策制定提供了实证依据。

3 使用机器学习评估公共政策效果的方法具有什么优势

本篇论文采用的研究方法具有独特的优势，即利用新兴的遥感影像和电网数据实现对连续多年的地区资产财富值的准确估计，并进一步定量评估电网接入对区域财富水平的长期影响。

同时，论文研究将机器学习的方法应用于地区资产财富预测以及电网覆盖和资产财富的因果推断中，克服了数据缺失、政策评估成本高等问题，代表了一类可扩展、可复现、低成本且普适的策略，可以推广到基础设施布局、农业生产力改善、公共卫生干预、大范围环境变化等更多具有挑战性的问题中。

原文：Ratledge, N., Cadamuro, G., de la Cuesta, B., Stigler, M., & Burke, M. (2022). Using machine learning to assess the livelihood impact of electricity access. Nature, 611(7936), 491-495.

朱子祺简介：

浙江大学本科，波士顿大学硕士，浙江大学博士在读。主要研究方向：管理信息系统、数字化转型、信息技术采纳。

编辑：王红岩

审核：童  昱  郭  莹

更多内容请扫码关注微信公众号：