01
数据补缺
第一步 · 跨年回溯
优先提取目标年份精确值;缺失则向前查找最近四年内最新观测值回溯填补。
第二步 · 截面补缺
- 零值填补 — 适用于计数/总量型指标(7个),缺失即"尚未产生"。
- 固定值填补 — 适用于政策缺失型指标(3个),如NDC3减排雄心评分。
- 全局百分位数填补 — 适用于跨国差异大、覆盖充足的指标(26个)。
- 区域百分位数填补 — 适用于受地理/发展阶段影响显著的指标(11个)。
- 代理指标排名转移 — 适用于系统性缺失情形(2个指标)。
02
指标归一化
Five normalization methods mapped to [0,1]
01
最小-最大
适用于正向指标,线性映射至[0,1]。
02
反向最小-最大
适用于负向指标,数值越大越差。
03
对数-最小-最大
适用于高度右偏、跨数量级的指标。
04
Z分数
适用于接近正态、存在异常值的指标。
05
峰值归一化
适用于存在最优区间的指标,三角帐篷函数建模。
03
权重确定
指标权重(组内):各二级指标组内运用主成分分析(PCA)确定三级指标权重,客观反映各指标对共同信息的贡献,避免主观赋权。
维度权重(跨级):五个一级维度采用等权重聚合——五类核心资本对长期繁荣同等不可或缺。综合指数取值[0,1]。
PRIVI 的定位是互补而非替代。朝鲜及部分太平洋岛国的评估含较高数据填补成分,个体评级精确性有限,宜按板块层面作定性解读。本页面为方法论的公开展示版本,完整公式与参数请参阅原始报告。