兰德-利用社交媒体数据“即时播报”全球的国际移民（英）-2021.12-162页_6mb

总结：使用社交媒体数据进行全球国际移民的实时预测（Nowcasting）

核心内容

本研究旨在开发一种方法工具，利用Facebook Marketing API的实时数据与欧盟和美国的官方移民数据相结合，以“实时预测”（nowcasting）的方式估算国际移民数量。该方法通过构建贝叶斯模型，结合社交媒体数据和传统统计数据，为决策者提供更及时、更精确的移民数据支持。

主要观点

• 研究目标：开发一种基于实时社交媒体数据和官方数据的“nowcasting”方法，以估算国际移民数量。
• 数据来源：
  • Facebook数据：通过Marketing API收集了22个月的“Lived in”状态数据，作为移民来源的代理指标。
  • 官方数据：包括来自Eurostat、OECD、UN DESA、美国人口普查局等机构的移民统计数据，时间跨度从2010年起。
• 方法论：
  • 采用贝叶斯模型进行时间序列建模，以预测官方统计数据。
  • 模型结合了Facebook数据与传统数据，利用时间趋势、数据源间的相关性以及移民走廊间的相似性进行优化。
  • 数据被划分为不同的移民走廊（corridor groups），基于地理、语言、文化历史和移民政策等特征进行分组建模。
• 模型特点：
  • 不预测移民流动（flows），而是预测移民存量（stocks）。
  • 利用Facebook的月度活跃用户（MAU）和日活跃用户（DAU）数据作为短期预测依据。
  • 模型通过R语言和Stan软件实现，具有良好的可扩展性和灵活性。
• 研究发现：
  • Facebook数据表现出明显的增长与下降趋势，但其数值通常低于官方统计数据，这可能与Facebook用户比例不完全覆盖移民人口有关。
  • 模型在多个移民走廊中表现出良好的预测能力，但需注意数据质量与时间分辨率的差异。
  • 模型预测结果在某些情况下反映了疫情对移民流动的影响。

关键信息

• 数据时间范围：Facebook数据从2019年12月至2021年9月，官方数据从2010年起。
• 数据质量：Facebook数据存在缺失率较高和用户覆盖不全的问题，但通过建模方法可有效处理。
• 预测结果：
  • 针对法国和比利时的阿尔及利亚移民预测，显示了Facebook数据与官方数据之间的一致性趋势。
  • 模型预测结果在不同移民走廊中表现不一，但总体上能够反映真实移民情况。
• 未来研究方向：
  • 延长数据时间序列以提高预测的准确性。
  • 针对特定人口亚组（如性别、年龄）进行移民预测。
  • 探索不同的模型设定，如时间相关性建模、先验分布调整和分层先验建模。

模型应用与意义

• 现实意义：由于官方移民数据存在时间滞后和数据质量不一的问题，本研究提出的“nowcasting”方法可为政策制定者提供更及时的数据支持。
• 创新点：首次将Facebook数据与官方数据结合，用于预测全球范围内的移民存量，而不仅仅是劳动移民。
• 局限性：Facebook数据不能完全代表所有移民人口，且可能受用户行为变化影响，需进一步验证与校正。

总结

本研究通过结合Facebook的实时数据与官方移民数据，提出了一种基于贝叶斯模型的“nowcasting”方法，以更快速、更精确地估算国际移民数量。该方法适用于多个移民走廊，且在疫情等突发事件背景下展现出重要价值。尽管存在数据覆盖不全和用户行为变化带来的偏差，但其提供了一种新的数据补充方式，有助于提升移民监测与政策制定的时效性与科学性。未来研究可进一步优化模型结构，提高预测精度，并扩展至更多人口亚组与地区。