如何利用“卫星灯光数据”做研究？

在 sub-national level 的跨国比较研究中，“卫星灯光数据”最近很火。通过夜间灯光亮度，我们可以估算任意地区每年的经济增长率。所以目前很多跨国研究的基本分析单位已经变成了 250km * 250km 的小方格，这就比国家要精确得多。

这个数据是公开的。MIT 经济系的博士生 Lowe 写过一篇短文章，专门介绍如何下载和处理灯光数据，链接如下：http://economics.mit.edu/files/8945 大概内容就是你可以从美国国家环境信息中心的网站上下到原始数据，然后需要在 GIS 里处理一下，去掉云啊火灾啊之类因素的干扰，就可以用了。

经济学界讨论灯光数据可信性的经典文章，是 Henderson 等人 2010年 在 AER 上的一篇论文 “Measuring Economic Growth from Outer Space”（链接：http://www.econ.brown.edu/Faculty/David_Weil/Henderson%20Storeygard%20Weil%20AER%20April%202012.pdf ）。他们的基本观点是，灯光密度的增速跟实际 GDP 的增速成正比。他们用跨国数据验证了上述关系。在这之后，卫星灯光数据在经济学和政治学里得到了广泛的应用。

灯光数据的好处是，即使在没有官方统计数字的地方，我们也可以得到可靠的经济发展水平估计，而且这一估计不受行政区划的限制，最多能够精细到 0.86 平方公里大小的小方格。因此很多学者将这一数据用于非洲发展研究上面。著名的例子是两位希腊裔学者 Michalopoulos 和 Papaioannou 撰写的一系列论文。他们将历史上非洲各个族群聚居的地点（Murdock Map）和灯光方格匹配起来，分析了族群特质对于今日非洲的种种影响。基本结论是，对于一个族群来说，其历史上的政治发展程度比今天居住地的政治制度更能决定其经济发展水平。而一个国家内部族群收入的不平等程度跟国家的发达程度是负相关的（Michalopoulos and Papaioannou, 2013a, 2013b; Alesina, Michalopoulos and Papaioannou, 2016）。灯光亮度的变化可以看作是近似连续，所以特别适合用作断点回归分析的因变量。

另外，在官方统计数字不可靠的地方，灯光数据也能派上用场。比如吕晓波老师那篇讨论中国财政竞争的 “Show Me the Money” 里，就用灯光密度作为县级 GDP 的代理变量。哥伦比亚大学的学者 Sala-i-Martin 最近有一系列文章，探讨如何结合灯光和官方统计数字得出更准确的经济发展水平估计。他们的一个发现是，中国的 GDP 增长可能被低估了。

灯光数据有一个问题是，对于特别亮的地方没有区分度，比如北京和上海的核心区域在卫星上看起来亮度应该是一样的。之前提到的博士生 Lowe 提出了一种办法来缓解这个问题，大致就是用边缘地区的亮度对中心地区做加权，但对于太发达的地区，我们还是无法进行比较准确的测量。另外就是灯光数据从 1993 年之后才有，想研究更早的年份就没办法了。最后，记录灯光亮度的卫星一直有更新，所以来自各个卫星的数据精度上会有差异，使用时也应该注意。

以上内容选摘自政见团队小密圈 “小见纵览全球社科学术”，欲阅读更多类似内容，请扫描下方的二维码加入小密圈，和我们的团队成员互动。