PRIVI 2026方法论

数据补缺、归一化
与权重确定

针对不同数据分布特征与缺失成因,采用系统化、可复现的数据处理与权重确定流程。

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

  1. 零值填补 — 适用于计数/总量型指标(7个),缺失即"尚未产生"。
  2. 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。
  3. 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)。
  4. 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)。
  5. 代理指标排名转移 — 适用于系统性缺失情形(2个指标)。

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。

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。