以下文章来源于区域经济学前沿 ，作者学术先疯队
文献来源：John Gibson & Susan Olivia & Geua Boe-Gibson, 2020. "Night lights in economics: Sources and uses," Working Papers hal-02453838, HAL.
Night lights in economics: Sources and uses
经济学中夜间灯光的来源和用途
撰写：刘倩雯 2022级硕士研究生
核稿：杨孟禹 云南大学经济学院副教授
摘要：经济学家越来越多地使用由卫星探测到的夜灯，通常将其作为经济活动的指标。这些数据越来越受欢迎，要么反映了国家或地区GDP等更传统的经济统计数据的缺失，要么反映了人们认为这些数据不准确。夜间照明的使用可能会进一步增加，因为它们已被纳入AidData地理查询工具，用于提供地方国家数据，并被纳入人口与健康调查链接到匿名调查枚举地区的地理数据中。然而，如果用户没有认识到提供这些数据的大多数卫星不是为帮助经济学家而设计的，并且具有可能威胁基于这些数据的分析的有效性，特别是对于时间比较以及小地区和农村地区的分析，那么这种轻松获取夜间灯光数据的方式可能会导致不适当的使用。在这篇文章中，我们回顾了关于夜间灯光的卫星数据来源，讨论了这些数据的问题，并调查了它们在经济学中的一些用途。
1、简介
大约五十年来，卫星一直用于每日天气预报以帮助美国空军飞行员，传回地球的图像最初在每天结束时被丢弃，已经完成了天气预报的目的。直到 1973 年，这些图像才被公开存档。 Croft (1978) 是第一个使用这些数据的科学出版物。然而，这些数据用于研究尤其是从 1992 年开始。
虽然经济学期刊上第一篇使用夜间灯光数据的文章是在 2002 年，但直到 Henderson 等人（2011 年，2012 年）在《美国经济评论》上发表使用夜间灯光数据时，许多经济学家才意识到这些数据。自此以后，超过 150 篇经济学文献发表了使用夜间灯光的论文，并且在大多数这些研究中，灯光数据是当地经济活动的代表。夜间灯光数据的日益普及反映了更传统的经济统计数据（如国家或地区 GDP）的缺失或假定不准确。夜间灯光的使用可能会进一步增长，因为夜间灯光数据已包含在 AidData 地理查询工具中来提供地方数据，以及人口与匿名健康调查区域的地理数据 。
然而，如果用户未能认识到提供这些数据的大多数卫星并非旨在帮助经济学家，那么这种获取夜间灯光数据的便利可能会导致不恰当的使用。特别是，DMSP 夜间灯光数据可能会威胁到时间比较分析的有效性以及小型和农村地区。
因此，经济学家从一开始就对夜间灯光数据有用性持怀疑态度，主要分为两大派别。 一类是Henderson 等人 (2012, p.1025) 认为在所有国家中，灯光数据在分析次国家和超国家层面都可以发挥关键作用。另外一类Chen 和 Nordhaus（2011 年）认为夜间灯光数据不允许对低输出密度区域进行可靠估计，仅适用于统计系统最差的国家，占世界人口的 9% 以下 ，对于他们来说，DMSP 夜间灯光数据可能会增加价值输出。对这两篇相互竞争的论文的引用表明，Henderson 等人（2012 年）的更为乐观的观点似乎盛行，这两项关键研究的引用次数增加了一倍多，并且引用的差距越来越大。
然而，对于夜间灯光作为经济变量和衡量经济活动水平和变化的有用性的怀疑仍然存在（Addison 和 Stewart，2015 年；Bickenbach 等人，2016 年）。因此，可以通过使用更准确的夜灯卫星数据 (VIIRS) 消除其中一些疑虑。
然而，经济学家转向使用VIIRS这些更新和更好的数据的速度很慢。 与 Donaldson 和 Storeygard（2016 年）最近的一篇调查文章相比，我们的目标是提供足够的细节来帮助研究人员决定是否以及如何使用这些夜灯数据。我们的调查还反映了经济学中缺乏关于 VIIRS 的合适摘要材料，Chen 和 Nordhaus（2011 年）和 Henderson 等人（2012 年）的详细附录中根本没有涉及。此外，我们还涵盖了遥感文献中的一些研究。
第二部分描述了夜间灯光数据的两个主要来源——DMSP 和 VIIRS——并特别关注空间和时间误差。在第三节中，我们调查了夜间灯光数据在经济学中的各种用途。第四节结论。
2、夜间灯光数据来源
夜间灯光的两个主要来源是国防气象卫星计划业务线扫描系统（简称DMSP）和可见红外成像辐射计套件（VIIRS）的昼夜波段（DNB）。
VIIRS 的设计反映了研究人员的需求。因此，科学文献迅速从 DMSP 转向了 VIIRS。自 2011 年以来，提及 VIIRS 的文章数量迅速增长，超过了自 2015 年以来提及 DMSP 的数量。根据轨迹，未来每年将有两倍的文章使用 VIIRS 数据而不是 DMSP 数据发表。
相比之下，下图的结果基于对 IDEAS/RePEc 的搜索，表明在经济学中仍然主要使用 DMSP 数据；直到 2018 年，提及 VIIRS 的记录数量每年才超过 1 条，提及 DMSP 的记录数量大约是 3 倍。经济学家对更新、更好的夜灯数据源缺乏关注很重要，因为 DMSP 传感器和构建的夜灯数据可能会威胁到使用这些数据进行的某些分析的有效性。虽然 VIIRS 数据并不完美符合经济学家的要求，但在大多数方面，它们代表了 DMSP 数据的巨大改进。
表 1 提供了两种数据在不同维度上的比较。我们在两个大标题下组织了对这些不同维度的讨论；
空间准确性– 传感器和后续处理是否将光归因于地面上的实际发射点；
信号误差和时间可比性——传感器提供的数据是否与发射的光强度成正比，是否随时间可比。例如，30 ℃意味着今天和昨天的温度相同，并且 十年前是这样的。
2.1 空间准确性
DMSP 在经济学中主要是使用夜间灯光数据来代表小区域的经济活动，或进行跨国比较。 DMSP 认为这些小区域的灯光可能来自其他地方，这一问题并未得到应有的重视。经济学家忽略了更为准确的 VIIRS 的事实加剧了对小区域结果或边界效应结果的担忧。VIIRS 在空间精度方面的优势源于整个扫描带的近乎恒定的分辨率；此外， VIIRS 的优势是昼夜波段在白天伴随着 21 个其他光谱波段和 11 个其他波段在夜间，这有助于选择具有最清晰图像的夜晚，而 DMSP 只有一个其他波段 （热红外区域）。与 DMSP 相比，来自 VIIRS 的空间有更精确的图像。DMSP 图像中夸大了明显的照明区域。
2.2 信号误差和时间可比性
如果用户选择更大的区域，可以减轻 DMSP 数据中空间误差的影响。
然而，对于非横截面的研究，DMSP 数据缺乏时间可比性，这会导致时间序列错误。 与 DMSP 的这些时间一致性问题相比，VIIRS 的传感器是经过校准的辐射计，其中仪器提供的数据与光强度成正比。 VIIRS 传感器具有飞行中校准，以确保读数随时间推移具有可比性。即使对连续信号进行量化，与 DMSP 的 6 位数字数字相比，它也具有 14 位精度 (n=16,384)。此外，VIIRS 上昼夜波段的动态范围几乎涵盖了七个数量级。相比之下，DMSP 传感器的通常动态范围小于两个数量级。 DMSP 有限的动态范围也会导致城市地区的灯光饱和或“顶级编码”。 因此，来自 DMSP 数据的 DN 值的时间序列中似乎存在很多噪声。
尽管有这些卫星作用，但很少有使用DMSP的研究提及如何处理两个卫星的数据。 我们使用ANCOVA模型分解了Elvidge等人（2014年）报道的国家级灯的时间序列的方差，研究了这两种效应的相对重要性。虽然这一年效果的平均p值为0.055（在179个国家 /地区具有 GDP 数据的数据集），卫星效应的平均 p 值较小，为 0.035。对于四分之三的国家，卫星效应的 p 值小于年份效应的 p 值，对于 179 个国家中的 156 个国家，卫星固定效应在 5% 的水平上具有统计显著性，而 对于年份效应，只有 133 个国家的情况相同。因此，使用 DMSP 夜间灯光数据的时间序列分析应考虑除年份虚拟变量外还包括卫星固定效应。
2.3 灯光的测量
卫星可以探测到的灯光主要用于城市经济活动。为了被 DMSP 传感器检测到，需要比通常在农村地区发现的更多的光。虽然 VIIRS 具有更精细的空间分辨率并且对较暗的灯光更敏感，但 VIIRS 测量发生在上午 1.30 左右，此时大多数农村的灯光可能会关闭，因为在这些时间很少有农村人从事需要光的夜间活动。图 7 显示了东帝汶—瓦努阿图和和坦桑尼亚的夜间灯光数据。在瓦努阿图，卫星显示几乎所有地区都没有灯光，尽管过去该国的农村家庭受益于一项重大发展计划十年。具体而言，季节性移民到新西兰使收入增加了 40%，总影响相当于瓦努阿图年度商品出口的四分之一。季节性工作的收入增加提高了电气化率。然而，尽管在微观数据中存在这种关系，但 VIIRS 和 DMSP 数据均未显示出与这些电气化率和季节性工作率的统计显着相关性。
图 7 显示，对于人口密度低于每平方公里 60 人的地区，使用 DMSP 或 VIIRS 发现瓦努阿图和东帝汶的夜灯很少。这些地区有超过 60% 的瓦努阿图人口和约 75% 的东帝汶人口。这并不是因为缺乏电气化，因为根据人口普查，在人口密度低于每平方公里 60、50、40 甚至 30 人的地区，55% 的东帝汶家庭使用电力作为主要光源。对于坦桑尼亚，密度低于每平方公里 140 人的地区通常不记录为具有夜灯，无论是 VIIRS 还是 DMSP（表 7 的底部面板），但这些地区约有 70% 的人口居住。 Andersson 等人（2019 年）也发现 DMSP 和 VIIRS 无法检测到小型、低密度的定居点。
相比农村，夜灯数据更好地衡量了城市经济活动。在表2中，作者认为中国由两种类型的较低级别的单位组成:区（其中包含县的城市核心，平均常住人口密度为每平方公里1500人 ）和更农村的县（平均人口密度为每平方公里300）。
区的夜间灯光相对于GDP的弹性超过0.3，但县的夜间灯光弹性小于5分之3，弹性为0.19。between-R2值 (通常超过within-R2，支持以下观点: 在横截面中，灯光比在时间序列中更准确地代表经济活动) 对于区也高于县。
3、夜间灯光数据在经济学中的用途
我们首先总结选定的研究，这些研究在他们估计的关系的左侧 (LHS) 上有 DMSP 夜灯数据。我们通常认为 LHS 上的错误对分析有效性的威胁小于右手边 (RHS) 错误的情况变量，其中随机测量误差会导致 OLS 回归系数中的衰减偏差。
然而，DMSP 数据中的测量误差几乎可以肯定是均值回复——由于模糊将光归因于未发射的地方，而顶部编码低估了地方之间的亮度差异——而 LHS 变量中的均值回复误差会导致系数偏差 。对 LHS 的 DMSP 数据的研究也更容易使用卫星固定效应，方法是选择记录为即将到来的光作为观察单位（用于面板分析） 从区域 i，在 t 年，通过卫星 s。表 3 中的大多数研究都忽略了卫星效应。
表 3 中省略的卫星效应中相同的12 项研究，加上一项横截面研究，似乎没有使用处理 DN 值的顶级编码的程序。尽管最近的几项研究只关注城市，但在这些城市中，编码问题很可能很重要。在处理顶级编码的研究中，两项使用辐射校准数据，一项依赖帕累托调整数据，一项基于像素是否点亮的虚拟变量。表 3 中的一些研究使用了对小空间单位的观测，例如 Lee（2018 年）使用的朝鲜上空 2.6 平方公里的网格或 Heger 和 Neumayer（2019 年）使用的亚齐分区级别。然而，尽管 Abrahams 等人 (2018) 的去模糊程序代码自 2015 年起免费提供，但表 3 中只有一项基于非常小的空间单元的研究——Corral 和 Schling 的海滩级研究——使用了它。 2017）。
表 3 研究中空间单元的另一个相关特征是农村地区还是城市地区。表 3 中的一些研究仅关注城市，但许多研究也涵盖农村地区，有些则依赖于村庄或农村地区的灯光检测率作为结果。 Keola 和 Gibson 调查结果表明，DMSP 夜灯在农业更为重要的时间或地点与 GDP 呈负相关。
表 3 中的研究包括对当地干预措施的评估，例如道路改善、海岸线稳定和援助项目，在缺乏关于基线变量的事前数据收集的情况下，这些通常难以研究，因此卫星检测到的光度很有用，因为它可能有助于为事后进行的研究形成基线。另一个有用的方面是研究敏感事物，例如政治操纵、地区偏袒以及其他国家行动对地方的影响。
4、结论
经济学家使用卫星探测到的夜间灯光数据来检查重要的经济研究问题，特别是在发展中国家，传统的经济统计数据可能无法获得或不准确。
夜间灯光数据的使用可能会进一步增长。
应用经济学家在使用 DMSP 的夜灯数据有不适用的情况，特别是DMSP 数据不适合研究小区域或边界效应，因为它们固有的模糊性和使用这些数据进行的时间序列分析受到缺乏校准、有限的动态范围和传感器放大中未记录的变化的威胁。
使用 VIIRS 的主要缺点是可用时间序列比 DMSP 短。然而因为 NOAA 在 2013 年停止生成 DMSP 夜灯数据，而月度 VIIRS 数据仅滞后三个月，VIIRS 的时间序列只会变得更长。还有关于夜灯的更新数据，它们在空间分辨率方面具有优势。
转自：“经管学术联盟”微信公众号
如有侵权，请联系本站删除！
