《Sustainability》：How Can We Retain the City’s Future? Using Interpretable Machine Learning Models to Analyze the Urban Settlement Intentions of Chinese University Students
编辑推荐：
大学生作为高质量人力资本，在促进城市系统可持续发展方面发挥着关键作用。本研究利用中国天津市525名大学生的调查数据，采用八种广泛使用的机器学习算法来预测和解释定居意愿。基于预测性能选择最优模型，并采用沙普利加性解释（SHapley Additive exPla
大学生作为高质量人力资本，在促进城市系统可持续发展方面发挥着关键作用。本研究利用中国天津市525名大学生的调查数据，采用八种广泛使用的机器学习算法来预测和解释定居意愿。基于预测性能选择最优模型，并采用沙普利加性解释（SHapley Additive exPlanations, SHAP）方法揭示影响因素的相对重要性和交互效应。结果表明，随机森林（Random Forest, RF）是预测定居意愿的最优模型，准确率达到83.8%。在检验的18个预测因子中，家庭支持、职业前景、工作机会、户籍吸引力、气候与环境是影响定居意愿的五个最具影响力的正向因素，而家乡距离被确定为最强的负向预测因子。研究人员进一步分析了这些影响因素的异质性和交互效应。该研究为系统解释大学生定居意愿提供了新的见解。
城市系统是由人口、经济、基础设施、政策与社会等要素相互耦合形成的复杂动态系统。大学生作为高质量人力资本，是驱动城市经济增长与可持续发展的关键力量。然而，随着中国人口老龄化加剧和城镇化进入中后期，许多城市面临如何吸引和留住年轻人才的现实挑战。已有定居意愿（个体在目的地城市长期居住的意愿）研究主要聚焦于农民工、老年人和流动人口，对大学生群体的关注不足；且多数研究基于单一理论维度，缺乏整合框架；传统logit/probit回归模型假设预测变量与结果的对数发生比呈线性关系，且需预先设定交互项，难以捕捉复杂非线性效应。因此，研究人员构建了可解释机器学习框架，以天津市大学生为研究对象，系统探讨定居意愿的关键预测因素及其交互机制。
研究人员采用问卷调查收集了天津市16所高校525名大学生的数据，从经济、城市、关系与人口四个理论维度识别出18个潜在影响因素。在建模方法上，对比了八种机器学习算法，包括四种集成学习算法（AdaBoosting、极端梯度提升(XGBoost)、轻量级梯度提升机(LightGBM)、随机森林(RF)）和四种个体算法（支持向量机(SVM)、逻辑回归(LR)、决策树(DT)、多层感知机(MLP)），通过网格搜索交叉验证（GridSearchCV）优化超参数，并采用准确率、召回率、精确率、F1分数与AUC评估模型。最优模型为随机森林，其预测准确率为83.8%，AUC为0.91。随后，利用沙普利加性解释（SHAP）方法量化每个特征对预测结果的贡献，并通过依赖图分析特征间交互作用。研究发现，家庭支持、职业前景、工作机会、户籍吸引力（Hukou attraction）、气候与环境是五个最重要的正向预测因素；家乡距离是最强的负向预测因素。异质性分析显示，女大学生的定居意愿更受关系性因素影响，男大学生更受经济性因素主导；农村户口学生的定居意愿更依赖于关系与城市功能因素，而城市户口学生受家乡距离和住房成本等约束更多。交互效应分析进一步发现，就业政策、户籍吸引力和气候环境条件会增强职业前景、家庭支持和工作机会对定居意愿的正向贡献。该研究发表在国际期刊《Sustainability》上，为城市人才吸引策略提供了科学依据。
在关键技术方法方面，研究基于中国天津市16所高校的525名大学生样本，采用雪球抽样并通过问卷星平台收集数据。目标变量为二元化处理的定居意愿（1–3编码为0，4–5编码为1）。数据质量检验采用Harman单因素分析、方差膨胀因子（VIF）和Pearson相关分析。预测阶段使用八种机器学习模型，以网格搜索交叉验证调参，以准确率、召回率、精确率、F1和AUC评估。解释阶段采用SHAP方法计算平均绝对SHAP值排序特征重要性，并绘制SHAP依赖图分析交互效应；稳健性分析采用置换检验、Bootstrap重采样、10折交叉验证和Kendall's W系数。
结果部分，保留原文小标题：
4.1 预测建模结果：通过比较八种机器学习模型的混淆矩阵衍生指标和ROC曲线，随机森林在准确率（0.838）、F1分数及AUC（0.91）上均最优，表明集成学习方法更适合该二分类预测任务。
4.2 特征重要性解释：
4.2.1 特征重要性整体解释：基于随机森林模型计算SHAP值，家庭支持的平均绝对SHAP值最高，其次为职业前景、工作机会、户籍吸引力和气候与环境；家乡距离的SHAP方向为负且权重最大，性别和户籍状态对预测的贡献相对有限。
4.2.2 特征重要性的异质性解释：将样本按性别和户籍类型分组重训模型。女性样本中家庭支持与家乡距离的重要性排名前两位，且气候环境、文化氛围等城市因素影响突出；男性样本中工作机会、气候环境、家庭支持、职业前景、薪资位列前五，经济因素占主导。农村户口样本中家庭支持、户籍吸引力、就业政策等权重更高，且住房成本与家乡距离共同构成约束；城市户口样本中家乡距离为主要负向因素。
4.2.3 特征间交互效应：SHAP依赖图显示，职业前景和家庭支持的正向影响随就业政策满意度提高而增强；家庭支持与户籍吸引力、工作机会与气候环境之间也存在协同作用，表明定居意愿是由多因素联合驱动的。
4.3 结果敏感性与稳健性分析：通过阈值敏感性分析（变换二元编码方式），前六项特征基本不变；对测试集进行5000次Bootstrap抽样计算置信区间，及全样本10折交叉验证，随机森林均保持最优性能；100次随机种子下训练模型的SHAP排序Kendall's W为0.943，表明特征重要性排序高度稳定。
讨论与结论部分，研究人员指出经济因素在大学生定居意愿中占据首要地位，反映了从“生存型迁移”向“发展型迁移”的转变；社会关系因素呈现双向效应，家庭支持促进定居而家乡距离抑制定居；户籍制度的吸引力而非个人户籍状态对定居意愿更重要。交互分析支持嵌入性理论，表明制度、社会和环境情境相互交织。研究结论翻译如下：通过整合SHAP方法，研究人员开发了一个可解释的机器学习框架来预测和解释天津市大学生的定居意愿。结果表明，随机森林取得了最佳预测性能，准确率为83.8%。通过整合SHAP方法对输入特征的重要性进行排序，研究人员发现经济因素具有最高的总体预测贡献。在城市因素中，气候与环境、户籍吸引力和就业政策也是重要的正向预测特征。社会关系因素与定居意愿呈双向关联。在所有特征中，家庭支持是最重要的正向预测特征，而家乡距离是权重最大的负向预测特征。此外，研究揭示了不同学生群体特征重要性的显著异质性。女大学生和城市生源大学生的定居意愿受关系因素、城市因素与经济因素共同影响；男大学生明显受经济因素影响；农村生源大学生仍受城市因素显著影响。最后，SHAP交互分析从城市管理角度揭示了若干有价值的交互模式，表明就业政策、户籍吸引力和气候环境条件与职业前景、家庭支持和工作机会对预测大学生定居意愿的贡献增强相关。
