《Sci》：Nonlinear Modeling for the Construction of a Synthetic Index: An Approach Based on UMAP and Random Forest Applied to the Energy Performance of OECD Countries
编辑推荐：
摘要专业翻译
本文提出一种混合方法，通过整合均匀流形逼近与投影（UMAP）和随机森林（Random Forest）算法，在决策分析框架下构建合成指数。与主成分分析（PCA）和层次分析法（AHP）不同，该方法从数据中的非线性结构中完全数据驱动地推导权重，而非依赖
摘要专业翻译
本文提出一种混合方法，通过整合均匀流形逼近与投影（UMAP）和随机森林（Random Forest）算法，在决策分析框架下构建合成指数。与主成分分析（PCA）和层次分析法（AHP）不同，该方法从数据中的非线性结构中完全数据驱动地推导权重，而非依赖线性协方差或专家判断。该方法属于多准则决策分析框架下的运筹学模型，应用于使用环境、技术和经济等多维指标集对OECD国家能源绩效的评估。UMAP用于检测数据中的隐藏模式，随机森林用于推导特征重要性并生成权重方案；最终将标准化指标线性聚合为指数。结果表明，人均CO2排放量和清洁能源研发投资始终是两个最具影响力的指标。由于UMAP嵌入及由此产生的权重随算法伪随机初始化而变化，所报告的权重和排名为20次独立运行的集成均值而非单次实现，同时伴随对框架超参数、嵌入维度和样本组成的系统性稳健性分析。一种非补偿性聚合替代方案产生几乎相同的排名（Spearman ρ = 0.987），表明线性聚合步骤并非脆弱的选择。与传统基于线性假设或主观判断的方法相比，所提出的方法从数据结构中内生地推导权重，为复杂系统中决策支持的合成指数构建提供了一个透明且经验验证的框架。
论文解读
一、研究背景与问题提出
在运筹学（OR）框架下，特别是多准则决策分析（MCDA）领域，合成指数已成为支持复杂系统决策的重要工具。对于经济合作与发展组织（OECD）国家而言，能源系统绩效受环境、技术和经济等多重因素交互影响，且各国政策和技术的演化路径存在显著异质性。传统合成指数构建方法主要依赖两类途径：一是以主成分分析（PCA）为代表的线性统计方法，通过方差最大化实现降维，但线性假设难以捕捉能源系统中普遍存在的非线性关系和复杂依赖结构；二是以层次分析法（AHP）为代表的专家判断方法，通过成对比较确定权重，但引入了主观性，限制了结果的可重复性。
近年来，非线性降维技术和机器学习方法在能源数据分析中展现出潜力。均匀流形逼近与投影（UMAP）能够同时保持高维数据的局部和全局结构，识别线性方法无法发现的曲线型数据结构；随机森林（Random Forest）则能处理非线性关系、共线性问题，并提供基于排列的特征重要性度量。然而，现有研究多将这两类技术分别用于模式识别或预测建模，尚未系统地将非线性降维与数据驱动的权重估计整合到合成指数构建中。针对这一研究空白，研究人员提出一种混合框架，将UMAP与随机森林相结合，用于构建OECD国家能源绩效合成指数。
本研究围绕三个核心问题展开：（RQ1）该混合框架能否在不依赖线性假设或专家权重的情况下产生数据驱动的合成能源绩效指数？（RQ2）所得指标权重和国家排名对超参数、嵌入维度、随机初始化和样本组成的敏感性如何？（RQ3）该指数与传统线性和主观加权方案是否存在有意义的差异，从而体现其增量价值？
二、主要技术方法
研究人员采用2022年38个OECD国家的横截面数据，数据来源包括国际能源署（IEA）、世界银行和OECD统计数据库。最初选取七个指标，但世界能源三难困境指数（World Energy Trilemma Index）因其本身即为专家赋权的合成指标而被排除，最终保留六个主要指标：可再生能源占比、能源强度、能源部门人均CO2排放量、清洁能源研发投资、人均可再生能源装机容量和工业电价。对三个负向指标（能源强度、人均CO2排放量、工业电价）进行最大值变换反转极性，使所有指标均为越高越好，随后进行Z-score标准化。
研究采用两阶段非线性建模流程：第一阶段，使用UMAP将六个标准化指标降维为两个潜在维度（UMAP1和UMAP2），采用默认超参数（n_neighbors = 15, min_dist = 0.1，欧氏距离度量）；第二阶段，分别针对两个UMAP维度训练两个随机森林回归模型，使用500棵树和排列重要性，从六个原始指标预测各潜在维度。每个模型内的重要性归一化后，以两个模型的袋外R2（OOB R2）作为权重，加权组合得到每个指标的最终权重。由于UMAP嵌入依赖伪随机初始化，研究人员采用20个独立随机种子的集成平均策略，报告集成均值权重及其标准差，以量化估计不确定性。最终合成指数为标准化指标的加权线性组合。
三、研究结果
3.1 能源绩效的潜在结构（UMAP）
研究人员将六个能源变量降至两个非线性维度UMAP1和UMAP2，这两个维度代表了能源强度、排放、可再生能源、电力成本和研发投资之间关系的底层几何结构。将各国投影到二维空间后，呈现出可能与能源政策概况、排放强度和科技创新水平相关的分组配置。
3.2 随机森林模型的解释力与质量
两个随机森林模型在20种子集成中平均OOB R2分别约为0.62和0.64（标准差分别为0.06和0.05），表明六个原始标准化指标与两个UMAP维度之间存在中等到较强的重建关系。这些数值衡量的是六个指标对UMAP识别的非线性流形的重建能力，属于内部诊断指标，而非能源绩效本身的解释力度量。
3.3 能源变量的重要性
集成均值权重显示：人均CO2排放量（0.243）和清洁能源研发投资（0.220）始终获得最高的两个权重，且这两个指标在20个种子中的相对排名最为稳定。人均可再生能源装机容量（0.187）和工业电价（0.144）的集成权重高于单次运行所暗示的水平。能源强度（0.138）和可再生能源占比（0.069）权重较低，其中可再生能源占比的标准差（0.076）几乎与其均值（0.069）相当，表明该指标在此框架和样本量下的精确贡献无法被可靠估计。指标权重的集成均值排名为：CO2排放量、研发投资、可再生能源装机容量、工业电价、能源强度、可再生能源占比。
3.4 合成指数构建与能源绩效排名
研究人员使用集成均值权重计算了38个OECD国家的合成得分。典型国家的排名在20个种子间的波动约为±5个位次（平均标准差4.81），但各国差异显著：法国（第1位）和拉脱维亚（第38位）在全部20个种子中几乎一致（标准差<0.5），而中游国家（如捷克、意大利、西班牙）的排名跨度为25至31个位次。因此，集成均值对排名两端的国家更为可靠，对中游国家的可靠性较低。
四、讨论与稳健性检验
研究人员将集成均值排名与三种传统加权方案（等权重、PCA权重、熵权重）进行比较。Spearman相关系数分别为：等权重0.86（95% CI: 0.70–0.95）、PCA权重0.81（0.62–0.92）、熵权重0.93（0.85–0.97），三者置信区间重叠较大，在样本量下难以明确区分。与线性基准最明显的分歧包括奥地利（集成排名第9位，基准下第12–23位）、西班牙（第17位对第27–31位）、捷克（第8位对第7–19位）和挪威（第28位对第12–18位）。Top-10重叠度为：等权重6/10、PCA 7/10、熵权重8/10。这表明与线性替代方案的差异是中等程度的，而非单次运行可能暗示的显著分歧。
非补偿性聚合替代方案（基于调整的Mazziotta–Pareto指数逻辑）与线性指数排名相关系数ρ = 0.987（最大单国变化为芬兰从第17位降至第23位），支持线性聚合选择的经验合理性。样本组成敏感性测试中，在38国中随机抽取30国重复拟合200次，所得排名与全样本排名的平均Spearman ρ为0.63（SD = 0.14），表明在38个观测值的样本量下，排名稳健性为中等水平。
研究局限性包括：样本量限制导致权重对样本组成敏感；指标增减会改变UMAP识别的流形结构及所有衍生权重；横截面设计无法捕捉能源转型的时间演化过程。
五、研究结论
本研究表明，评估OECD国家能源绩效需要能够捕捉当代能源系统固有复杂性的方法。通过UMAP与随机森林框架，研究人员揭示了传统方法（如PCA和主观加权方案）无法观察到的非线性模式。该方法证明排放、效率、清洁技术和能源政策在复杂的非线性能源系统中是联合结构的，揭示了脱碳轨迹更稳定和更连贯的经济体之间的明显差异。从多准则决策分析的视角，本研究通过将非线性降维与数据驱动加权整合为统一的合成指数构建框架做出了贡献。
研究结果表明，结构性因素——如投资与研发、能源强度和公共政策设计——与各国在该指数中的能源绩效相关联。该方法能够在权重推导阶段识别线性方法不可见的结构，并生成数据驱动的加权方案，从而减少对线性假设和主观判断的依赖。结合超参数、随机种子、维度和样本组成的敏感性分析，UMAP–随机森林框架在合成指数构建中表现出中等到较强的、但非无条件的稳健性。未来研究可扩展至能源正义、制度质量、数字化和气候韧性等维度，并可推广至其他国家和地区，以及探索基于深度学习的模型变体，为可持续公共政策设计提供更坚实的依据。
