Anticipatory Governance in Data-Constrained Environments: A Predictive Simulation Framework for Digital Financial Inclusion
创建于 更新于
摘要
本论文提出并验证了一套可在数据受限环境下用于“先发治理”的预测-仿真框架：通过描述性剖析、可解释机器学习（最终选用线性回归，Test R²≈95.9%）识别可调节政策杠杆，并对干预情景（如设备普及、数字技能）进行静态模拟以预测对数字金融素养（DFL）的提升。实证基于UNCDF太平洋10,108份样本，结论包括“Digital‑First”优先序（以设备+基础技能捆绑可带来约5.5%点DFL提升）以及精确化目标人群（如年轻女性看护者为高杠杆受益群体），同时识别“无响应者”以防资金浪费，从而为资源受限政府提供可解释、可操作的决策支持工具 [page::0][page::10][page::14][page::15]
