1. Булак чындап эле башынан аягына чейин жана сүрөттөрү менен кошо каралып чыктыбы? Ооба; 36 беттик PDFдин негизги тексти, тогуз негизги сүрөтү, эки негизги жыйынтык таблицасы, Appendix A-D жана өзгөчө Appendix Bдеги reconciliation математикасы каралып чыкты. 2. Илимий жыйынтыктардын баары булакка негизделгенби? Ооба; булакта жок grid мааниси, моделдин тактыгы, өлкө жыйынтыгы же сектордун көрсөткүчү чыгарылган жок. 3. Библиографиялык идентификация туурабы; тышкы веб библиографиялык текшерүү үчүн гана колдонулдубу? Ооба; тышкы веб IMFтин расмий жарыяланган датасын, номерин жана DOI жазуусун текшерүү үчүн гана колдонулду. PDFде жок recommended-citation иш номери өзүнчө белгиленди. 4. Симуляция / эксперимент / талаа / клиникалык / теориялык айырмасы туурабы? Ооба; изилдөө себептик талаа эксперименти эмес, расмий маалыматтар менен Жерди байкоо маалыматтарын бириктирген эксперименттик мейкиндиктик downscaling жана маалымат өндүрүү методологиясы. 5. Булактагы негизги формула, ыкма параметри, сүрөт же сандык жыйынтык калтырылып кеттиби? Spatial random forest теңдемеси, cross-validation, forward feature selection, grid чектөөлөрү, reconciliation чектөөлөрү, квадраттык жоготуу, GLS estimator, иштөө көрсөткүчтөрү, сектордук жыйынтыктар жана негизги чектөөлөр каралды. 6. Сүрөттөр менен графиктердин илимий билдирүүсү туурабы? Ооба; булак карталарынын чийки уяча маалыматтары жок болгондуктан жасалма Канада–АКШ картасы түзүлгөн жок. Ыкманын так байланыштары өз алдынча SVG процесс схемасы менен көрсөтүлдү. 7. Алты структуралык H2 ирети сакталабы? Ооба. 8. Кошумча H2лер болсо, алар жогорку маанидеги AEO суроолорубу? Ооба; gridded ИДӨ, spatial random forest жана reconciliation изилдөөнүн өзөгүн түшүнүү үчүн өз алдынча суроо маанисине ээ. 9. Негизги илимий entity/ыкма/модель ачык жана булак колдогон түрдө аныкталдыбы? Ооба; gridded GDP, spatial random forest жана statistical reconciliation биринчи колдонулган жерде эмне экени жана эмне кылаары менен аныкталды. 10. Изилдөө колдогон / колдобогон чечмелөө чеги көрүнүп турабы? Ооба; моделдик бөлүштүрүү менен расмий статистика, корреляция менен себептүүлүк жана reconciliation менен уяча деңгээлиндеги көз карандысыз текшерүү бири-биринен ажыратылды. 11. HTML/SVG/Base64 түзүлүшү коопсузбу? Ооба; script, iframe, event handler, foreignObject, тышкы сүрөт URLи жана бузулган Base64 колдонулган жок. SVG өз алдынча, масштабсыз жана жабык тегдер менен түзүлгөн. 12. Макала которууга коопсузбу жана илимий деталдар которууну жеңилдетүү үчүн кыскартылдыбы? Ооба; canonical терминдер туруктуу сакталды, MathJax теңдемелери көрүнгөн тексттен ажыратылды жана техникалык деталдар сакталды. СҮРӨТ РЕФЕРЕНСИНИН КОШУМЧА ДАРБАЗАСЫ: A. Негизги булак карталарынын илимий билдирүүсү текстте түшүндүрүлдү; чийки уяча маалыматтары жок болгондуктан карталардын өзү ойдон чыгарылган жок. B. Кайра курууга боло турган ыкма агымы жөн гана текст менен өтүп кеткен жок; чыныгы inline SVG түзүлдү. C. Булактагы иштөө көрсөткүчтөрү көрүнгөн HTML таблица менен берилди. D. Көрүнбөгөн “Сүрөт X”ке багыттаган бош шилтеме калтырылган жок. АВТОРДУК УКУК / ЛИЦЕНЗИЯ КОШУМЧА ДАРБАЗАСЫ: Булак © 2026 International Monetary Fund жана “Not for Redistribution” деген белгини камтыйт. Ачык Creative Commons лицензиясы табылган жок. Булак карталары же графиктери түз көчүрүлгөн жок; илимий байланыштар гана өз алдынча Verianla схемасы, таблица жана оригиналдуу баяндоо менен берилди.

Торчо негизиндеги ИДӨ (gridded GDP) — экономикалык өндүрүштү өлкө, штат же облус сыяктуу административдик аймактар үчүн гана эмес, туруктуу географиялык уячалар боюнча баалоого мүмкүндүк берген мейкиндиктик макроэкономикалык маалыматты көрсөтүү формасы. Marco Marini, Jim Tebrake жана Andinet Woldemichaelдин изилдөөсү расмий улуттук жана субулуттук ИДӨ маалыматтарын калк, түнкү жарык, курулуш баскан аймак, жер катмары жана башка жогорку чечилишке ээ Жерди байкоо өзгөрмөлөрү менен бириктирип, Канада жана Америка Кошмо Штаттары үчүн болжол менен 1 km² grid уячаларында эксперименттик ИДӨ жана 10 сектордун үлүшүн түзүүгө багытталган эки баскычтуу ыкманы иштеп чыгат.

Биринчи баскычта изилдөөчүлөр расмий ИДӨ жана сектор маалыматтары бар эң деталдуу административдик деңгээлде spatial random forest моделдерин үйрөтүшөт. АКШда окутуу маалыматы county деңгээлине чейин жетсе, Канадада province/territory деңгээли менен гана чектелет. Моделдин киргизүүлөрүнө калк, түнкү жарык, азот диоксиди, курулуштардын тыгыздыгы жана аянты, автомобиль жолуна жана курулуш баскан бетке чейинки аралык, айыл чарба жерине чейинки аралык, температура, жаан-чачын, жер катмары жана оор өнөр жай объекттеринин жакындыгы кирет.

Экинчи баскычта машиналык үйрөнүү менен алынган grid баалоолору түздөн-түз акыркы маалымат катары кабыл алынбайт. Изилдөөчүлөр statistical reconciliation деп аталган квадраттык оптималдаштыруу ыкмасы менен grid жана сектор баалоолорун расмий региондук эсептер менен кайра шайкеш келтиришет. Муну менен уяча деңгээлиндеги баалоолордун суммасы тиешелүү расмий региондун ИДӨсүнө жана сектордук суммаларга так теңделет, ал эми машиналык үйрөнүү сунуштаган мейкиндиктик бөлүштүрүү мүмкүн болушунча сакталат.

Жалпы экономикалык активдүүлүк үчүн моделдин көрсөткүчү жогору: log ИДӨ моделинде \(R^2=0{,}95\), log ИДӨ/km² моделинде \(R^2=0{,}94\) деп билдирилет. Бирок сектор деңгээлинде көрсөткүч олуттуу айырмаланат. Айыл чарба үчүн \(R^2=0{,}54\), кен казуу үчүн 0,48, финансы жана бизнес кызматтары үчүн 0,44 жана өндүрүш үчүн 0,30 болсо, мамлекеттик башкарууда 0,04 жана коммуналдык кызматтарда 0,12.

Бул айырма маанилүү; анткени түнкү жарык, курулуш жана жер катмары сыяктуу физикалык көрсөткүчтөр айыл чарбаны, кен казууну же тыгыз шаардык экономикалык активдүүлүктү белгилүү деңгээлде чагылдыра алганы менен, мамлекеттик кызматтарда жана айрым кызмат секторлорунда нарк түзүлгөн жер менен байкалуучу физикалык инфраструктура жайгашкан жер бирдей болбошу мүмкүн.

Reconciliation алдында алынган баштапкы баалоолордо айыл чарба жана utilities секторлорунун grid суммалары расмий сектордук суммалардан болжол менен төрт-беш эсе айырмаланышы мүмкүн. Reconciliation бул жалпы дал келбестикти эсептик жактан оңдойт; бирок бул оңдоо ар бир 1 km² уячанын баасы өз алдынча текшерилгенин билдирбейт.

Изилдөөнүн эң маанилүү чечмелөө чектеринин бири Канадага байланыштуу. АКШ моделдөөдө 3.082 county деңгээлиндеги расмий жыйынтыктарды пайдалана алса, Канада үчүн болгону 13 province жана territory байкоосу бар. Ошондуктан Канаданын provinceден төмөнкү бүт мейкиндиктик деталдары модель тарабынан түзүлгөн эксперименттик бөлүштүрүү болуп саналат; өз алдынча байкалган расмий 1 km² ИДӨ эмес.

Изилдөөнүн негизги маселеси эмне?

Макроэкономикалык статистика көбүнчө өлкө же ири субулуттук аймактар үчүн жарыяланат. Бул ыкма жалпы экономикалык көлөмдөрдү өлчөө жагынан күчтүү; бирок бир өлкөнүн ичинде экономикалык активдүүлүк кайсы географиялык чекиттерде топтолгонун деталдуу көрсөтпөйт.

Бул жетишпестик өзгөчө төмөнкүдөй талдоолордо маанилүү:

• сел, бороон, өрт же башка физикалык тобокелдиктердин жергиликтүү экономикалык таасирин баалоо,
• инфраструктуралык боштуктарды аныктоо,
• региондук экономикалык теңсиздиктерди изилдөө,
• транспорт жана соода байланыштарын мейкиндиктик талдоо,
• жергиликтүү өндүрүш жана сектордук топтолууну моделдөө.

Мисалы, бир штат же province ичинде ири мегаполис, айыл чарба аймагы, кен казуу зонасы жана калкы аз айылдык аймак бир эле административдик орточонун ичинде жоголуп кетиши мүмкүн. Ошондуктан изилдөө расмий суммаларды бузбастан экономикалык активдүүлүктү майда географиялык уячаларга бөлүштүрүүнү максат кылат.

Торчо Негизиндеги ИДӨ Деген Эмне?

Торчо негизиндеги ИДӨ — расмий экономикалык өндүрүштүн жалпы көлөмүнүн туруктуу географиялык уячаларга мейкиндик боюнча бөлүштүрүлгөн көрүнүшү; бул изилдөөдө максаттуу чечилиш болжол менен 1 km² болуп, уяча маанилери түздөн-түз расмий өлчөө эмес, расмий эсептерден жана жогорку чечилишке ээ мейкиндиктик көрсөткүчтөрдөн алынган моделдик баалоолор.

Gross Cell Product түшүнүгү

Адабиятта grid уячасындагы өндүрүш кээде Gross Cell Product (GCP) деп аталат. GCPнин түшүнүк жагынан мааниси ИДӨгө окшош; айырмасы өлчөө аймагы өлкө же административдик аймак эмес, белгилүү өлчөмдөгү grid уячасы болуп саналат.

Изилдөөнүн максаты расмий ИДӨнүн ордуна жаңы улуттук эсеп тутумун түзүү эмес. Тескерисинче, расмий эсептерди жогорку деңгээлдеги “anchor” же туруктуу сумма катары сактап, мейкиндиктик детал кошуу.

Downscaling деген эмне?

Downscaling — ири географиялык бирдиктерде бар өзгөрмөнү байланыштуу жогорку чечилишке ээ маалыматтарды колдонуу менен кичине мейкиндиктик бирдиктерге бөлүштүрүү процесси.

Бул изилдөөдө процесс болжол менен:

\[ \text{Resmî bölgesel GSYH} \rightarrow \text{Yer gözlemi ilişkileri} \rightarrow \text{1 km}^2 \text{ grid tahminleri} \rightarrow \text{Resmî toplamlarla reconciliation} \]

түрүндө жүрөт.

Бул теңдеме изилдөөнүн баалоо теңдемеси эмес, ыкманын түшүндүрмө агымын көрсөтөт.

Жерди байкоо эмне үчүн экономикалык активдүүлүк тууралуу маалымат берет?

Изилдөөдө колдонулган мейкиндиктик өзгөрмөлөрдүн эч бири өз алдынча “ИДӨ” эмес. Алар экономикалык активдүүлүктүн географиялык бөлүштүрүлүшү менен байланыштуу болушу мүмкүн болгон көрсөткүчтөр.

Калк: эмгек сунушу жана керектөөчүлөрдүн тыгыздыгы жөнүндө маалымат берет.

Түнкү жарык: жарыктандырылган калктуу жана өндүрүш аймактарынын тыгыздыгы аркылуу экономикалык активдүүлүктүн прокси өзгөрмөсү катары колдонулушу мүмкүн.

NO₂: отун колдонгон унаалар жана машиналар сыяктуу күйүү булактары көп болгон жерлерде жергиликтүү экономикалык активдүүлүк тууралуу маалымат бере алат.

Курулуш изи: имараттардын саны, тыгыздыгы жана ээлеген аянты аркылуу физикалык капитал жана отурукташуу тыгыздыгы менен байланыштуу.

Жер катмары: айыл чарба жери, токойлуу аймак, курулуш баскан жер, суу, кар/муз жана башка беттик класстардын сектордук мейкиндиктик бөлүштүрүү менен байланышын аныктоого жардам берет.

Аралык өзгөрмөлөрү: автомобиль жолуна, курулуш баскан бетке жана айдалган жерге чейинки аралык ар түрдүү иш-аракеттердин шаар борборлору жана инфраструктура менен байланышын чагылдырат.

Оор өнөр жай объекттери: темир-болот сыяктуу белгилүү өндүрүш иш-аракеттеринин географиялык жайгашуусу тууралуу түз маалымат берет.

Калк жана түнкү жарык жыйынтыктарын кантип окуу керек?

Канада жана АКШ чогуу бааланганда булак субулуттук ИДӨ менен калктын ортосунда болжол менен \(R^2=0{,}95\), түнкү жарык менен ИДӨнүн ортосунда болжол менен \(R^2=0{,}94\) деп билдирет.

Бул жогорку маанилер калк же түнкү жарык ИДӨнү “жаратат” дегенди билдирбейт. Булар күчтүү мейкиндиктик божомол байланыштары. Модель бул өзгөрмөлөрдү экономикалык активдүүлүктүн географиялык бөлүштүрүлүшүн баалоо үчүн колдонот.

Маалымат булактары жана чечилиштери

10 сектордун классификациясы

Расмий өлкөлүк жана субулуттук сектор маалыматтары Groningen Growth and Development Centre 10-Sector Database классификациясы менен шайкеш келтирилген. Классификация ISIC Rev. 3.1ге негизделет.

Булактагы ыкма теңдемесинин максаттуу өзгөрмөлөр тизмесинин аягында кошумча SER белгиси көрүнөт. Appendix Aдагы 10 сектор таблицасында өзүнчө SER категориясы аныкталбагандыктан, бул белгиге Verianla тарабынан булакта жок жаңы маани берилген эмес.

Spatial Random Forest Бул Изилдөөдө Эмне Кылат?

Spatial random forest расмий субулуттук экономикалык жыйынтыктар менен жогорку чечилишке ээ географиялык көрсөткүчтөрдүн ортосундагы сызыктуу эмес божомол байланыштарын үйрөнүп, бул байланыштарды grid уячаларына өткөргөн дарак-ансамбль негизиндеги машиналык үйрөнүү ыкмасы; изилдөөнүн максаты себептик коэффициент чыгаруу эмес, мейкиндиктик баалоо жүргүзүү.

Негизги модель теңдемеси

Булак ар бир максаттуу өзгөрмө үчүн моделди төмөнкү жалпы формада аныктайт:

\[ y_i^k=f(X_i^k)+\varepsilon_i^k. \]

Бул жерде:

• \(i\), расмий маалымат байкалган субулуттук административдик бирдикти билдирет.
• \(k\), log ИДӨ, ИДӨ/km² же белгилүү сектордун үлүшү сыяктуу максаттуу өзгөрмөнү билдирет.
• \(y_i^k\), административдик бирдикте байкалган максаттуу өзгөрмө.
• \(X_i^k\), калк, түнкү жарык, курулуш, климат жана башка географиялык түшүндүрмө өзгөрмөлөрдөн турган вектор.
• \(f(\cdot)\), spatial random forest үйрөнгөн белгисиз сызыктуу эмес дал келтирүү.
• \(\varepsilon_i^k\), модель түшүндүрө албаган кошумча ката мүчөсү.

Теңдеменин маанилүү жагы — изилдөөчүлөр \(f(\cdot)\) үчүн алдын ала сызыктуу функция формасын таңуулабайт. Random forest көптөгөн чечим дарактарын бирге колдонууга негизделген ийкемдүү божомол ыкмасы.

Random forest логикасы

Жалпы random forest логикасында көптөгөн чечим дарактары ар кандай байкоо жана өзгөрмө айкалыштары боюнча түзүлөт. Ар бир дарак максаттуу өзгөрмө үчүн баалоо чыгарат жана дарактар ансамблинин баалоолору бириктирилет.

Бул изилдөөдөгү колдонуу spatial деп аныкталат; анткени моделди үйрөтүү жана баалоо географиялык көз карандылыкты эсепке ала тургандай spatial machine learning адабиятын карманат.

Булак практикада R ичиндеги CAST Version 1.04 китепканасын колдонгонун билдирет.

Өзгөрмөлөр кантип тандалат?

Булак forward feature selection колдонот.

Forward feature selection башында чектелүү өзгөрмөлөр топтомунан баштап, божомол көрсөткүчүн жакшырткан түшүндүрмө өзгөрмөлөрдү этап-этабы менен модельге кошкон өзгөчөлүк тандоо ыкмасы.

Максат бардык жеткиликтүү географиялык өзгөрмөлөрдү автоматтык түрдө модельге толтуруу эмес, максаттуу өзгөрмө үчүн божомол көрсөткүчүн жакшырткан айкалышты тандоо.

Cross-validation кантип жүргүзүлөт?

Моделдин көрсөткүчү үчүн булак k-fold cross-validation алкагында leave-one-out ыкмасын колдонорун билдирет.

Leave-one-out логикасында белгилүү бир байкоо же мейкиндиктик бирдик үйрөтүүдөн чыгарылат, модель калган маалыматтар менен үйрөтүлөт жана сыртта калган бирдикте божомол көрсөткүчү текшерилет. Процесс ар башка байкоолор үчүн кайталанып, модель үйрөтүү маалыматын гана жаттап алган-албаганы бааланат.

Булак модель варианттарынын ичинен эң төмөн Root Mean Square Error (RMSE) маанисине ээ спецификацияны тандайт.

RMSE, MAE жана R² эмнени билдирет?

RMSE божомол каталарынын квадраттарын көбүрөөк жазалаган орточо ката өлчөмү. Төмөн RMSE жакшыраак божомол көрсөткүчүнө шайкеш келет.

MAE божомол менен байкоонун ортосундагы абсолюттук айырмалардын орточо чоңдугун өлчөйт. Төмөн маани азыраак орточо катаны билдирет.

\(R^2\) максаттуу өзгөрмөдөгү вариациянын канчасы модель баалоолору менен шайкеш экенин көрсөткөн өлчөм. Маанинин 1ге жакындашы жогорку шайкештикти билдирет; бирок жогорку \(R^2\) себептүүлүктү же ар бир grid уячасы туура бааланганын билдирбейт.

Булак кайсы гиперпараметрлерди билдирбейт?

Булак spatial random forest ыкмасын, CAST 1.04 китепканасын, feature-selection жана cross-validation түзүлүшүн түшүндүрөт. Бирок PDFде random forest үчүн:

• акыркы дарактардын саны,
• mtry сыяктуу ар бир түйүнгө туура келген өзгөрмөлөрдүн саны,
• минималдуу түйүн өлчөмү,
• максималдуу дарак тереңдиги,
• акыркы кокустук урук

сыяктуу бардык төмөнкү деңгээлдеги гиперпараметрлер ачык берилген эмес. Бул маанилер Verianla тарабынан божомолдонгон эмес.

Административдик деңгээлден 1 km² grid уячасына өтүүдөгү божомол

Модель байланыштары адегенде расмий экономикалык жыйынтыктар бар административдик бирдиктерде үйрөнүлөт. Андан кийин ошол эле байланыш жогорку чечилишке ээ grid уячаларына колдонулат.

Ошондуктан булакта ачык божомол бар: административдик бирдик деңгээлинде үйрөнүлгөн географиялык өзгөрмө–экономикалык активдүүлүк байланышы уяча масштабында да колдонууга болот деп кабыл алынат.

Бул божомол өзгөчө Канада үчүн маанилүү; анткени province ичинде расмий sub-province ИДӨ үйрөтүү байкоосу жок.

Statistical Reconciliation Эмне Үчүн Керек?

Statistical reconciliation — машиналык үйрөнүүнүн деталдуу, бирок суммалары расмий эсептерден четтеп кетиши мүмкүн болгон grid баалоолорун мейкиндиктик жана сектордук үлгүнү мүмкүн болушунча сактоо менен расмий региондук жана сектордук суммаларга так байланыштыра турган квадраттык оптималдаштыруу баскычы.

Эмне үчүн машиналык үйрөнүү баалоосу өз алдынча жетишсиз?

Random forest уячанын же аймактын экономикалык түзүлүшүн географиялык көрсөткүчтөрдөн баалай алат. Бирок бардык уячалар кошулганда алынган сектордук сумма расмий улуттук эсептер менен бирдей болорун автоматтык түрдө кепилдебейт.

Бул айырма өзгөчө изилдөөнүн баштапкы жыйынтыктарында ачык көрүнөт. Айыл чарба жана utilities сыяктуу айрым секторлордо reconciliation алдындагы grid суммалары расмий маанилерден бир нече эсе четтеп кетиши мүмкүн.

Ошондуктан макала машиналык үйрөнүүнү расмий статистиканын ордуна койбой, расмий статистика менен чектелген мейкиндиктик бөлүштүрүү кыймылдаткычы катары колдонот.

Reconciliation белгилери

Appendix Bде:

• \(g=1,\ldots,G\): grid уячаларын,
• \(i=1,\ldots,I\): секторлорду,
• \(r=1,\ldots,R\): субулуттук аймактарды

билдирет.

\(p_{g,i}\), grid \(g\) жана сектор \(i\) үчүн машиналык үйрөнүүнүн reconciliation алдындагы баалоосу.

\(x_{g,i}\), ошол эле уяча жана сектор үчүн reconciliationдан кийинки акыркы маани.

Мейкиндиктик aggregation матрицасы

Булак:

\[ S_{rg}= \begin{cases} 1, & \text{grid } g \in r,\\ 0, & \text{aksi halde} \end{cases} \]

матрицасын аныктайт.

\(S_{rg}=1\) болсо, grid уячасы \(g\), аймак \(r\) ичинде. \(S_{rg}=0\) болсо, ичинде эмес.

Бул жөнөкөй экилик матрица миллиондогон grid уячаларынын кайсы расмий административдик аймакка тиешелүү экенин алгебралык түрдө аныктоого мүмкүндүк берет.

Биринчи чектөө: аймак жана сектор суммасы

Ар бир аймак \(r\) жана сектор \(i\) үчүн:

\[ \sum_{g\in r}x_{g,i} = y_{r,i}^{\mathrm{off}}. \]

Бул жерде \(y_{r,i}^{\mathrm{off}}\), тиешелүү аймак жана сектор үчүн расмий экономикалык сумма.

Бул чектөөнүн мааниси мындай: мисалы, белгилүү бир province ичиндеги бардык өндүрүш grid уячалары кошулганда жыйынтык расмий province өндүрүш маанисине тең болушу керек.

Экинчи чектөө: аймактын бардык секторлору

Булак экинчи катары:

\[ \sum_{i=1}^{I} \sum_{g\in r} x_{g,i} = y_r^{\mathrm{off}} \]

шартын колдонот.

Бул теңдеме бардык секторлор жана бардык grid уячалары кошулганда тиешелүү аймактын расмий жалпы ИДӨсүнө жетүүнү милдеттендирет.

Kronecker product эмне үчүн колдонулат?

Булак ошол эле чектөөлөрдү матрица түрүндө жазганда \(\otimes\) белгиси менен Kronecker product колдонот.

Kronecker product мейкиндиктик aggregation матрицасы менен сектор өлчөмүн бир чоң блок матрица түзүлүшүндө бириктирүүгө мүмкүндүк берет.

Сектордун бирдик матрицасы \(I_I\) колдонулганда ар бир сектордун региондук сумма чектөөсү өзүнчө сакталат. Бирлерден турган \(1_I'\) вектору колдонулганда секторлор бирге кошулат.

Бардык чектөөлөрдүн кыска түрү

Булак бардык расмий эсептик чектөөлөрдү:

\[ Hx=y_a \]

түрүндө бир системага бириктирет.

\(H\), аймак-сектор эсеп түзүлүшүн коддогон сейрек матрица. \(x\), reconciled grid-сектор маанилеринин чоң вектору. \(y_a\), колдонулууга тийиш расмий aggregate маанилерди билдирет.

Квадраттык жоготуу функциясы

Машиналык үйрөнүү баалоосун расмий суммалар менен шайкеш кылууда уячалардын баштапкы мейкиндиктик түзүлүшүн керексиз бузуу кааланбайт.

Ошондуктан булак:

\[ \min_x \sum_{g,i} \left( \frac{x_{g,i}-p_{g,i}} {p_{g,i}} \right)^2 \]

критерийин колдонот.

Бул туюнтма абсолюттук өзгөрүүнү эмес, салыштырмалуу өзгөрүүнү жазалайт.

Мисалы, бирдей 10 бирдик өзгөрүү баштапкы баалоосу 1.000 болгон чоң уяча үчүн кичине салыштырмалуу түзөтүү, баштапкы баалоосу 20 болгон кичине уяча үчүн болсо абдан чоң салыштырмалуу түзөтүү дегенди билдирет.

Салмак матрицасы

Матрица түрүндө:

\[ \min_x (x-p)'W(x-p) \]

жана:

\[ W= \operatorname{diag} \left( \frac{1}{p_{g,i}^2} \right). \]

\(W\) салмак матрицасы ката жазасы салыштырмалуу масштабда колдонулушун камсыздайт.

Чектелген оптималдаштыруу маселеси

Толук маселе:

\[ \min_x (x-p)'W(x-p) \]

шарты менен:

\[ Hx=y_a. \]

Башкача айтканда, система бир убакта эки нерсени жасашы керек:

1. расмий эсептик суммаларга толук шайкеш келүү,
2. машиналык үйрөнүү менен алынган баштапкы мейкиндиктик-сектордук бөлүштүрүүдөн мүмкүн болушунча эң аз салыштырмалуу алыстоо.

GLS reconciliation estimator

Биринчи тартип шарттары булакта төмөнкү чечимди берет:

\[ x = p - W^{-1}H' \left( HW^{-1}H' \right)^{-1} \left( Hp-y_a \right). \]

Бул теңдеме изилдөөнүн эң маанилүү математикалык түзүлүштөрүнүн бири.

\(p\): баштапкы машиналык үйрөнүү баалоолору.

\(Hp\): бул баштапкы баалоолордун расмий aggregation түзүлүшү астында түзгөн суммасы.

\(Hp-y_a\): машиналык үйрөнүү суммасы менен расмий сумманын ортосундагы дал келбестик.

\(W^{-1}H'(HW^{-1}H')^{-1}\): бул дал келбестик grid жана сектор уячаларына кайсы салмактар менен кайра бөлүштүрүлөрүн аныктаган түзөтүү түзүлүшү.

\(x\): бардык расмий чектөөлөрдү аткарган reconciled жыйынтык.

Эмне үчүн бул системаны эсептөөгө болот?

\(H\) матрицасы абдан сейрек; анткени бир grid уячасы өзү таандык аймак жана тиешелүү сектор блоктору менен гана байланыштуу.

Булак бул сейрек түзүлүштү:

• sparse Cholesky,
• multifrontal factorization

сыяктуу ыкмалар менен чоң grid системаларында натыйжалуу чечүүгө болорун билдирет.

Нөл баалоолор үчүн 0,01 эмне үчүн кошулат?

\[ W= \operatorname{diag}(1/p_{g,i}^2) \]

болгондуктан \(p_{g,i}=0\) болгондо салмак аныкталбай калат.

Булак бул техникалык маселени чечүү үчүн нөл бааланган уячаларга reconciliation алдында 0,01 өлчөмүндө кичине notional маани берет.

Reconciliation аяктагандан кийин бул 0,01 кайра алынып, уяча так нөлгө кайтарылат.

Бул 0,01 экономикалык активдүүлүктүн өлчөмү эмес; сандык оптималдаштырууда салмак матрицасын аныкталган абалда кармоо үчүн колдонулган техникалык жардамчы маани.

Reconciliation терс маани чыгарышы мүмкүнбү?

Булак колдонгон GLS чечими белги жагынан чектелбейт. Ошондуктан теориялык жактан чоң түзөтүү талап кылынса, айрым reconciled уяча маанилери терс болушу мүмкүн.

Бирок булак Канада–АКШ колдонмосунда reconciliationдан кийин терс маани пайда болбогонун ачык билдирет.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Эки баскычтуу ыкма

Изилдөөнүн ыкма чынжыры эки негизги баскычтан турат:

1. Машиналык үйрөнүү баскычы: расмий административдик ИДӨ жана сектордук жыйынтыктар менен жогорку чечилишке ээ географиялык өзгөрмөлөрдүн ортосундагы байланыштар үйрөнүлүп, grid уячаларына колдонулат.
2. Reconciliation баскычы: grid баалоолору расмий аймактык жана сектордук суммаларга толук шайкеш келгидей квадраттык оптималдаштыруу менен оңдолот.

Grid деңгээлинде колдонулган эки кошумча чектөө

Булак мындан тышкары:

• 10 сектор үчүн бааланган сектор үлүштөрүнүн суммасы тиешелүү административдик бирдикте 1 болушун,
• ИДӨ нөл деп бааланган чоң үзгүлтүксүз суу аймактары, эл жашабаган чөлдөр жана туруктуу кар аймактары сыяктуу жерлерде сектор үлүштөрү да нөл болушун

милдеттүү кылат.

Моделдин көрсөткүчү

Булак текстинде мындан тышкары log киши башына ИДӨ жана log киши башына ИДӨ/km² моделдери үчүн \(R^2\) маанилери тиешелүүлүгүнө жараша болжол менен 0,50 жана 0,56 деп билдирилет. Бул эки вариантта калк түшүндүрмө өзгөрмөлөр топтомунан чыгарылган.

Сектордук көрсөткүчтөр эмне үчүн айырмаланат?

Айыл чарба жана кен казуу сыяктуу секторлордун физикалык география менен күчтүүрөөк мейкиндиктик изи бар. Айыл чарба жер катмары менен, кен казуу белгилүү географиялык жана объект жайгашуулары менен байланыштуу болушу мүмкүн.

Кызматтар, мамлекеттик башкаруу жана utilities сыяктуу секторлордо болсо байкалуучу физикалык жайгашуу менен нарк улуттук эсептерде катталган жер бирдей болбошу мүмкүн.

Ошондуктан булак сектор деңгээлиндеги өзгөрмөлөрдүн божомол күчү олуттуу айырмаланарын баса белгилейт.

Өзгөрмөнүн маанилүүлүк рейтинги себептүүлүкпү?

Жок. Булак Figure 5теги variable-selection рейтингдери божомолго кошкон салымды гана көрсөткөнүн ачык билдирет.

Мисалы, built-up area, population жана nighttime light жалпы ИДӨ үчүн жогорку орундарда болсо, cropland айыл чарба моделинде күчтүү өзгөрмө болуп саналат.

Бул жагдай “түнкү жарыктын өсүшү ИДӨнү ушунча көбөйтөт” деген себептик жыйынтык бербейт.

Reconciliation алдындагы эң чоң четтөөлөр

Булак баштапкы grid баалоолорун расмий сектордук ИДӨ менен салыштырганда айыл чарба жана utilities үчүн эң чоң четтөөлөрдү байкайт.

Эки сектордо тең reconciliation алдындагы grid суммалары расмий маалыматтардын болжол менен төрт-беш эсесине жетиши мүмкүн.

Айыл чарба үчүн бул жыйынтык өзгөчө түшүндүрмөлүү; анткени айыл чарба моделинин \(R^2\) мааниси секторлор арасында салыштырмалуу жогору болгон 0,54.

Бул жакшы административдик деңгээлдеги баалоо шайкештиги grid суммаларында автоматтык эсептик шайкештик дегенди билдирбесин көрсөтөт.

Булак муну жарым-жартылай айыл чарба жери экономикалык кошумча наркка салыштырмалуу абдан чоң физикалык аянтты ээлегени менен түшүндүрөт.

Шаарга багытталган секторлордо баштапкы баалоо жакыныраак

Финансы жана бизнес кызматтары, соода жана жайгаштыруу, өндүрүш, ошондой эле транспорт жана байланыш секторлорунда reconciliation алдындагы баалоолордун расмий суммаларга катышы Канада жана АКШда жалпысынан болжол менен %75–90 чегинде.

Бул жыйынтык шаардык жана коммерциялык активдүүлүк түнкү жарык, курулуш жана башка физикалык көрсөткүчтөр аркылуу көбүрөөк көрүнүшү мүмкүн экенине шайкеш келет.

Reconciliation бул маселени кантип чечет?

Reconciliation бардык секторлордун grid суммаларын расмий улуттук жана субулуттук эсептер менен бир деңгээлге масштабдап, кайра бөлүштүрөт.

Бирок бул жерде абдан маанилүү айырма бар:

Aggregate шайкештикке жетишүү уяча деңгээлинде көз карандысыз текшерүүгө жетишүү эмес.

Reconciliationдан кийин аймак суммасы расмий ИДӨгө тең болушу математикалык жактан кепилденет. Бирок ошол эле сумма ичиндеги экономикалык активдүүлүк так кайсы 1 km² уячага кандай үлүштө тиешелүү экени дагы эле машиналык үйрөнүү моделинин мейкиндиктик бөлүштүрүү түзүлүшүнө таянат.

2021 grid камтуусу

Post-benchmarking маалыматында оң ИДӨ бааланган уячалар боюнча:

Булак бул камтуу сандарына оң ИДӨ бааланган уячаларды гана киргизет.

Булактагы ИДӨ бирдигинин дал келбестиги

Негизги Таблица 1, 2021 ИДӨ мамычасын “USD PPP bn” деп белгилеп, маалымат бөлүмүндө субулуттук ИДӨ IMF WEO PPP international dollars benchmark менен жөндөлгөнүн түшүндүрөт.

Ал эми Appendix Cдеги ошол эле камтуу таблицасынын эскертүүсүндө “GDP figures in current USD billions” деген сөз айкашы бар.

Булак ичиндеги бул бирдик дал келбестиги Verianla тарабынан үнсүз оңдолгон эмес. Ошондуктан бул макала жалпы 2021 акча маанилерин жаңы эсептөөлөрдө колдонбойт.

Канада жана АКШ жыйынтыктарын эмне үчүн бирдей ишеним менен окууга болбойт?

АКШ үчүн расмий үйрөтүү жыйынтыктары county деңгээлине чейин бар. Ошондуктан моделдин АКШ ичиндеги майда мейкиндиктик үлгүсү жок дегенде county масштабына чейин чыныгы субулуттук ИДӨ айырмаларынан үйрөнөт.

Канада үчүн расмий үйрөтүү жыйынтыгы болгону 13 province/territory деңгээлинде.

Ошондуктан Канаданын province ичиндеги бөлүштүрүүсү толугу менен geocovariate байланыштары аркылуу модель тарабынан түзүлөт.

Булактын өз сөзү менен Канада жыйынтыктары experimental model-based spatial allocations катары бааланышы керек; көз карандысыз текшерилген subprovincial GDP эмес.

Жалпы экономикалык активдүүлүктүн мейкиндиктик үлгүсү

Post-reconciliation 2021 жыйынтыктарында экономикалык активдүүлүк эң жогору болгон grid уячалары ири мегаполис коридорлорунда топтолот.

АКШнын чыгыш жарымында үзгүлтүксүзүрөөк орто деңгээлдеги экономикалык активдүүлүк байкалса, кургак ички батыш аймактарында сейрек, төмөн маанилүү уячалар бар.

Канададагы экономикалык активдүүлүк негизинен АКШ чек арасына жакын тар тилкеде топтолуп, жогорку кеңдиктерде айкын сейректейт.

Бул үлгүлөр моделдин чыгышы жана өзгөчө Канадада provinceден төмөнкү чыныгы расмий байкоолор катары чечмеленбеши керек.

Location Quotient деген эмне?

Изилдөө grid уячасында кайсы сектор улуттук түзүлүшкө салыштырмалуу көбүрөөк адистешкенин көрсөтүү үчүн Location Quotient (LQ) колдонот.

Булактагы шилтемеде берилген аныктама математикалык түрдө:

\[ LQ_{g,i} = \frac{\text{grid }g\text{'de sektör }i\text{ payı}} {\text{ülke genelinde sektör }i\text{ payı}} \]

деп көрсөтүлүшү мүмкүн.

\(LQ=1\), сектордун grid уячасындагы салмагы өлкө орточосу менен бирдей дегенди билдирет.

\(LQ=1{,}5\), grid уячасындагы сектор үлүшү улуттук үлүштөн %50 жогору дегенди билдирет.

Булак dominant сектор картасында 1,5тен жогору маанилерди айкын жергиликтүү адистешүү катары чечмелейт.

Сектордук мейкиндиктик үлгүлөр

Модель жыйынтыктарында айыл чарба Канада жана АКШнын ички түздүктөрүндө кең жана чек араларды кесип өткөн коридор түзөт.

Кен казуу, мунай жана газ активдүүлүгү АКШнын intermountain west аймактарында, Appalachian тилкесинде жана Канаданын түндүгүндөгү айрым аймактарда топтолот.

Өндүрүш Улуу Көлдөрдүн түштүгүндөгү тарыхый өнөр жай тилкесин жана АКШнын түштүк-чыгышына созулган аймактарды ээрчийт.

Финансы жана бизнес кызматтары ири түндүк-чыгыш мегаполистеринде топтолсо, мамлекеттик башкаруу Washington D.C. айланасында күчтүү адистешүүнү көрсөтөт.

Бул жыйынтыктардын маанилүү билдирүүлөрүнүн бири — сектор географиясы административдик чек араларды сөзсүз ээрчүүгө тийиш эмес. Айыл чарба, кен казуу жана өндүрүш тилкелери штат же өлкө чек араларынан ары үзгүлтүксүз уланта алат.

Финансы секторунун картасы эмнени көрсөтпөйт?

Булак атайын эскертүү берет: “Finance and Business Services” grid катмары финансылык тобокелдиктердин, кредиттердин же күрөөлөрдүн физикалык жайгашуу картасы катары окулбашы керек.

Финансы, камсыздандыруу, кыймылсыз мүлк жана бизнес кызматтарында кошумча нарк көп учурда компаниянын башкы кеңсесинде катталышы мүмкүн; бирок чыныгы экономикалык же финансылык exposure башка географиялык аймактарда болушу мүмкүн.

Кызмат секторлору эмне үчүн кыйыныраак?

Заводдун, айыл чарба талаасынын же кендин физикалык жайгашуусу алыстан зонддоо маалыматтарында салыштырмалуу ачык көрүнүшү мүмкүн.

Ал эми:

• финансылык ортомчулук,
• телекоммуникация,
• электр энергиясын берүү,
• мамлекеттик башкаруу,
• билим берүү жана саламаттык сактоо сыяктуу кызматтар

үчүн нарк түзүлгөн жер менен физикалык объект жайгашкан жердин ортосунда түз бирге-бир байланыш болбошу мүмкүн.

Булак кызматтар үстөм болгон экономикалык аймактар spatial allocation үчүн кыйыныраак экенин жана келечекте банктар, мамлекеттик мекемелер, мектептер, ооруканалар жана чекене соода борборлору сыяктуу секторго мүнөздүү мейкиндиктик көрсөткүчтөр кошулушу мүмкүн экенин билдирет.

Айылдык жана алыскы аймактардагы чектөө

Түнкү жарык же курулуш сыяктуу көрсөткүчтөр калкы аз айылдык жана алыскы аймактарда экономикалык өндүрүштү начарыраак чагылдырышы мүмкүн.

Булак келечекте:

• жол тармагынын тыгыздыгы,
• айыл чарба өндүрүмдүүлүк индекстери,
• базарларга чейинки аралык

сыяктуу кошумча өзгөрмөлөрдү колдонууга болорун сунуштайт.

Калк менен кошумча шайкештик текшерүүсү

Авторлор келечекте post-benchmarking ИДӨ калкы дээрлик нөл болгон grid уячаларына экономикалык жактан логикасыз бөлүштүрүлбөшү үчүн калкты кошумча consistency check катары колдонууну сунушташат.

Бул текшерүү учурдагы изилдөөнүн бүткөн бөлүгү эмес; келечекте жасала турган жакшыртуу катары сунушталат.

GeoPulse байланышы

Изилдөөдө иштелип чыккан gridded GDP баалоолору IMFте иштелип жаткан GeoPulse аттуу геомейкиндиктик талдоо платформасына негизги киргизүү болушу пландалууда.

Булак максат кылган колдонуу — жогорку чечилишке ээ экономикалык өндүрүш баалоолорун табигый кырсыкка дуушар болуу, финансылык стресс жана демографиялык өзгөрүү сыяктуу башка мейкиндиктик тобокелдик көрсөткүчтөрү менен бириктирүү.

GeoPulse менен интеграция келечектеги ниет; бул макала GeoPulseтун аяктаган иштөө баасын бербейт.

Изилдөө колдогон жыйынтыктар

• Расмий макроэкономикалык суммалар, жогорку чечилишке ээ Жерди байкоолор жана spatial random forest бирге колдонулуп, болжол менен 1 km² деңгээлинде эксперименттик ИДӨ бөлүштүрүүлөрүн түзүүгө болот.
• Жалпы log ИДӨ үчүн колдонулган Жерди байкоо өзгөрмөлөрү жогорку божомол көрсөткүчүн көрсөтөт.
• Сектор деңгээлиндеги божомол көрсөткүчү секторлор арасында олуттуу айырмаланат.
• Калк, курулуш баскан аймак жана түнкү жарык жалпы ИДӨ баалоосунда күчтүү божомол өзгөрмөлөрүнүн катарына кирет.
• Cropland сыяктуу жер катмары көрсөткүчтөрү айыл чарбанын мейкиндиктик бөлүштүрүлүшү тууралуу күчтүүрөөк маалымат бере алат.
• Машиналык үйрөнүү баалоолору расмий сектордук жана аймактык суммалар менен автоматтык түрдө шайкеш эмес.
• Квадраттык reconciliation grid жана сектор баалоолорун расмий эсептик суммалар менен толук шайкеш келтире алат.
• Административдик чек аралар жашырган сектордук адистешүүлөр grid түрүндө көбүрөөк көрүнүшү мүмкүн.
• Канада жана АКШ колдонмосу ыкма үчүн proof-of-concept мүнөзүнө ээ.

Изилдөө колдобогон жыйынтыктар

Изилдөө ар бир 1 km² уячада түз өлчөнгөн расмий ИДӨ бар экенин көрсөтпөйт.

Изилдөө өзгөчө Канаданын provinceден төмөнкү grid маанилерин көз карандысыз текшерилген расмий маалымат катары бербейт.

Reconciliationдан кийин расмий суммалардын так дал келиши ар бир уячанын чыныгы экономикалык мааниси туура бааланганын далилдебейт.

Жогорку \(R^2\), колдонулган спутниктик же географиялык көрсөткүч ИДӨгө себептик таасир берет дегенди билдирбейт.

Variable importance рейтинги өзгөрмөлөрдүн экономикалык көлөмгө тийгизген белгисин же себептик коэффициентин көрсөтпөйт.

Изилдөө бардык өлкөлөр үчүн бирдей көрсөткүчтү далилдебейт. Канада жана АКШ күчтүү расмий статистика системалары бар, маалыматка бай пилоттук экономикалар.

Изилдөө Латын Америкасында, Сахаранын түштүгүндөгү Африкада, Түштүк Азияда же Түштүк-Чыгыш Азияда ыкма ошол эле тактык менен иштей турганын азырынча көрсөтпөйт; бул аймактар келечектеги кеңейүү багыттары катары сунушталат.

Изилдөө азырынча gridded capital stock маалымат топтомун чыгарбайт. Капитал запасы ыкма келечекте кеңейтилиши мүмкүн болгон багыттардын бири катары көрсөтүлөт.

Изилдөө финансы жана бизнес кызматтары grid катмарын чыныгы финансылык exposure же collateral картасы катары чечмелөөнү колдобойт.

Негизги чектөөлөр

• Канададагы үйрөтүү таянычы: болгону 13 province/territory расмий байкоосу бар; provinceден төмөнкү детал модель тарабынан чыгарылат.
• Масштаб өткөрүү божомолу: административдик бирдикте үйрөнүлгөн байланыш grid уячасынын масштабына колдонулат.
• Сектордук гетерогендүүлүк: моделдин көрсөткүчү секторлор арасында чоң айырма көрсөтөт.
• Кызмат секторунун көрүнүшү: физикалык алыстан зонддоо көрсөткүчтөрү айрым кызматтарды начар чагылдырат.
• Reconciliation: расмий суммалар менен шайкештикти камсыздайт, бирок уяча деңгээлиндеги көз карандысыз текшерүүнү камсыздабайт.
• Гиперпараметрлерди баяндоо: random forestтын бардык төмөнкү деңгээлдеги жөндөөлөрү PDFде деталдуу берилген эмес.
• Расмий бирдик дал келбестиги: негизги Таблица 1 менен Appendix Cнин ИДӨ валюталык бирдик эскертүүлөрү толук шайкеш эмес.

Жалпы илимий мааниси

Изилдөөнүн күчтүү жагы — расмий макроэкономикалык статистиканы машиналык үйрөнүү менен алмаштырууга аракет кылбаганы.

Ыкма маалыматтын эки түрүнүн күчтүү жактарын бириктирет:

Расмий улуттук эсептер экономикалык көлөмдүн ишенимдүү суммасын берет.

Жерди байкоо жана spatial machine learning сумма географиянын ичинде кайсы жерлерде топтолушу мүмкүн экени тууралуу жогорку чечилишке ээ мейкиндиктик маалымат берет.

Statistical reconciliation бул эки катмарды эсептик жактан бири-бири менен шайкеш кылат.

Бул ыкманын илимий баалуулугу “спутник сүрөтүнөн чыныгы ИДӨнү түз көрөбүз” деген дооматта эмес; расмий макроэкономикалык суммалардын мейкиндиктик бөлүштүрүлүшүн байкалуучу географиялык көрсөткүчтөрдөн үйрөнүлгөн үлгүлөр менен системалуу жана кайталанып колдонулуучу түрдө бөлүштүрө алышында.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска аталышы: Earth Observations and Machine Learning for Gridded Macroeconomic Data

Кыргызча жарыя аталышы: Торчо Негизиндеги Макроэкономикалык Маалыматтар үчүн Жерди Байкоо жана Машиналык Үйрөнүү

Авторлор: Marco Marini, Jim Tebrake, Andinet Woldemichael.

Авторлордун ирети: Булактагы ирет сакталган.

Мекеме: International Monetary Fund.

Департамент: Statistics Department.

Corresponding жана lead author: Andinet Woldemichael.

Тең салым / тең биринчи авторлук: Булакта мындай билдирүү жок.

Изилдөө номери: WP/26/213.

Серия: IMF Working Papers.

Жарыялоочу: International Monetary Fund.

PDF ички датасы: September 2026.

Расмий IMF eLibrary жарыяланган күнү: 2 Октябрь 2026.

Issue-level DOI: 10.5089/9798229062961.001.

Article-level DOI: 10.5089/9798229062961.001.A001.

Расмий жарыялоо жазуусу: IMF eLibrary, Working Paper Volume 2026, Issue 213.

SSRN: Булак PDF электрондук көчүрмө SSRN abstract 7611151 астында бар экенин билдирет.

Булактын түрү: IMF Working Paper; ыкманы иштеп чыгуу жана эксперименттик маалымат өндүрүү изилдөөсү.

Рецензия статусу: Рецензияланган академиялык журнал макаласы катары берилбеши керек. IMF Working Paperларды жүрүп жаткан изилдөөнү талкууга чыгарган басылмалар катары аныктайт.

Автордук укук / лицензия: © 2026 International Monetary Fund. PDF “Not for Redistribution” деген белгини камтыйт. Creative Commons ачык лицензиясы көрсөтүлгөн эмес.

JEL коддору: C55, O47, R12.

Булактагы ачкыч сөздөр: Earth observations; gridded GDP; spatial machine learning.

Негизги изилдөө максаты: Расмий улуттук жана субулуттук ИДӨ менен сектор маалыматтарын жогорку чечилишке ээ геомейкиндиктик көрсөткүчтөрдү колдонуп болжол менен 1 km² grid уячаларына downscale кылуу жана жыйынтыктарды расмий эсептик суммалар менен толук шайкеш келтирүү.

Пилоттук өлкөлөр: Канада жана Америка Кошмо Штаттары.

Референстик колдонуу жылы: Негизги grid жыйынтыктарында 2021.

АКШнын расмий маалымат таянычы: County деңгээли, admin 2; 3.082 county байкоосу моделди үйрөтүүдө колдонулушу мүмкүн.

Канаданын расмий маалымат таянычы: 13 province/territory деңгээлиндеги байкоо; provinceден төмөнкү бүт мейкиндиктик детал модель тарабынан чыгарылат.

Grid максаттуу чечилиши: Болжол менен 1 km².

Жогорку чечилишке ээ geocovariate чечилиши: WorldPop өзгөрмөлөрүнүн көбү болжол менен 3 arcsecond, башкача айтканда болжол менен 100 m.

Негизги ыкма: Spatial random forest + forward feature selection + leave-one-out cross-validation + квадраттык statistical reconciliation.

Программалык камсыздоо: R ичиндеги CAST Version 1.04 китепканасы.

Модель тандоо: Ар түрдүү pooled жана split географиялык үлгүлөрдө модель варианттары үйрөтүлөт; өзгөрмөлөр тандалып, эң төмөн RMSEге ээ спецификация сакталат.

Машиналык үйрөнүүнүн негизги теңдемеси: \(y_i^k=f(X_i^k)+\varepsilon_i^k\).

Reconciliation негизги маселеси: Баштапкы ML баалоолору \(p\), расмий эсептик чектөө \(Hx=y_a\) астында салыштырмалуу квадраттык четтөөнү минималдаштыра турган reconciled маанилер \(x\)ке айландырылат.

GLS reconciliation чечими: \(x=p-W^{-1}H'(HW^{-1}H')^{-1}(Hp-y_a)\).

Reconciliation техникалык деталы: Нөл бааланган уячаларга салмак матрицасын аныкталган абалда кармоо үчүн убактылуу 0,01 маани берилет жана процесстен кийин кайра нөлгө келтирилет.

Терс маани абалы: GLS чечими теориялык жактан терс уяча чыгарышы мүмкүн; булак Канада–АКШ колдонмосунда терс reconciled маани жаралбаганын билдирет.

Жалпы ИДӨ көрсөткүчү: log ИДӨ үчүн RMSE 0,39, \(R^2=0{,}95\), MAE 0,29; log ИДӨ/km² үчүн RMSE 0,44, \(R^2=0{,}94\), MAE 0,32.

Сектордук көрсөткүч: Айыл чарба жана кен казуу салыштырмалуу күчтүү; мамлекеттик башкаруу, utilities, соода/жайгаштыруу жана транспорт/байланыш төмөнүрөөк \(R^2\) маанилерине ээ.

Reconciliation алдындагы маанилүү четтөө: Айыл чарба жана utilities секторлорунда gridded суммалар расмий ИДӨнүн болжол менен төрт-беш эсесине жетиши мүмкүн.

2021 оң ИДӨ grid камтуусу: Канада 988.661 уяча; АКШ 5.354.938 уяча.

Акча бирдиги боюнча булак ичиндеги дал келбестик: Негизги Таблица 1 ИДӨ маанилерин “USD PPP bn” деп белгилеп, ыкма бөлүмү WEO PPP benchmarkты аныктайт; Appendix C таблица эскертүүсү ошол эле катарды “current USD billions” деп аныктайт. Verianla бул дал келбестикти үнсүз оңдогон эмес.

Максаттуу өзгөрмө белгиси боюнча булак ичиндеги белгисиздик: Ыкма бөлүмүндөгү максаттуу топтомдо SER белгиси бар, бирок Appendix Aдагы 10 сектор классификациясында өзүнчө SER категориясы аныкталган эмес. Булакта жок түшүндүрмө кошулган эмес.

Маалыматтын жеткиликтүүлүгү: Булак BEA, Statistics Canada, WorldPop, ESA, NASA жана Global Energy Monitor баш болгон колдонулган маалымат булактарын деталдуу тизмелейт; PDFде бирдиктүү ачык репликация пакети же өзүнчө стандарттык Data Availability Statement берилген эмес.

Модель гиперпараметрлеринин жеткиликтүүлүгү: CAST 1.04, spatial random forest, feature selection жана cross-validation түзүлүшү билдирилет; бардык төмөнкү деңгээлдеги random forest гиперпараметрлери PDFде ачык эмес.

Каржылоо билдирүүсү: Булакта өзүнчө стандарттык изилдөө каржылоосу тууралуу билдирүү жок.

Кызыкчылыктардын кагылышы: Булакта өзүнчө стандарттык кызыкчылыктардын кагылышы тууралуу билдирүү жок.

CRediT / авторлордун салымы: Булакта стандарттык CRediT салым таблицасы жок.

Ыраазычылык: Булак Javier Uruñuela Lópezке пикирлери жана сунуштары; Alessandra Sozzi менен Zhaosheng Liге gridded GDP маалыматын иштеп чыгууга көрсөткөн колдоосу үчүн ыраазычылык билдирет.

Негизги методологиялык чектөө: Grid деңгээлиндеги маанилер түз расмий байкоо эмес. Reconciliation aggregate шайкештикти камсыздайт, бирок уяча тактыгын көз карандысыз текшербейт. Канадада provinceден төмөнкү мейкиндиктик бөлүштүрүү толугу менен модель тарабынан түзүлөт.

Келечектеги иш: Айылдык/алыскы аймактар үчүн жаңы covariateтер, кызмат секторуна мүнөздүү инфраструктура чекиттери, калкка негизделген шайкештик текшерүүсү, башка географияларга кеңейтүү жана gridded capital stock өндүрүү сунушталат.

Институттук көз караш боюнча эскертүү: Булактагы пикирлер авторлорго таандык; алар IMF, IMF Executive Board же IMF management пикирлерин сөзсүз билдирбейт.

Жарыялоо эскертүүсү: Бул кыргызча баяндоо булак Working Paperдын маалымат түзүлүшүн, spatial random forest ыкмасын, grid downscaling логикасын, cross-validation жана feature-selection кадамдарын, statistical reconciliation теңдемелерин, иштөө жыйынтыктарын, мейкиндиктик сектордук табылгаларды жана чектөөлөрдү түшүндүрмө түрүндө берет. Булакта жок grid мааниси, модель жыйынтыгы, статистика, гиперпараметр же өлкө боюнча жалпылоо чыгарылган эмес. Илимий шилтемелерде түпнуска IMF Working Paper жана расмий DOI негиз болушу керек.