从相关性热力图到系统动力学:BEST 项目的多尺度框架
项目仓库:https://github.com/yicongl1/TN09-BEST-Territorial-Well-Being
上一篇讲的是怎么从 560 篇文献里整理出两套指标。这一篇讲后半段:指标之间是什么关系,以及怎么把关系变成一个可以讨论的多尺度框架。
先看相关性,但不要急着解释
我用 OECD Better Life Index 的 22 个指标做了一张 Pearson 相关矩阵。数据是“国家 × 指标”的长表,透视后计算相关,再用 seaborn 画热力图。
pivot = df.pivot(index="country", columns="indicator", values="value")
corr = pivot.corr(method="pearson")
sns.heatmap(corr, cmap="coolwarm", center=0, annot=True, fmt=".2f")

几条强关系:
| 关系 | r | 可能的解释 |
|---|---|---|
| 预期寿命 ↔ 缺乏基础设施的住房 | −0.85 | 卫生设施不足影响健康 |
| 个人收入 ↔ 生活满意度 | +0.80 | 财务稳定与主观福祉相关 |
| 失业率 ↔ 技能水平 | −0.68 | 资质与就业能力相关 |
这些关系符合常识,可以作为“指标体系没有明显跑偏”的证据。但热力图只能告诉我们“一起变化”,不能告诉我们“谁导致谁”。
一个异常值得保留:水质与就业率、生活满意度强相关。它更可能是国家样本结构造成的——高收入国家同时有更好的水质和更高的就业率。把这种关系直接写进模型,会得到错误的政策建议。
相关性之后,为什么还需要系统动力学
相关矩阵是静态的:它描述同一时点的变量关系,但没有反馈、存量和时间延迟。
BEST 要讨论的是“领土系统均衡”,它至少包含三个互相影响的子系统:
- 人口:迁移、年龄结构、住房需求;
- 住房:供给、价格、空置;
- 经济活动:就业、企业、通勤。
Forrester 1969 年的城市动力学用存量、流量和反馈回路描述这些关系。我在 Vensim 里做的不是完整仿真,而是把关键变量和反馈方向画出来,作为概念模型的一部分:
- 就业增加 → 人口流入 → 住房需求上升 → 房价上涨 → 人口流出;
- 住房供给增加 → 房价下降 → 人口流入;
- 交通拥堵 → 通勤成本上升 → 就业吸引力下降。
这些回路不追求参数精确,它们的作用是让讨论从“指标列表”变成“机制假设”。
ArcGIS 放在哪一步
系统动力学处理时间,ArcGIS 处理空间。
在 BEST 里,空间化至少有三个用途:
- 把指标放到具体领土单元上,而不是国家平均值;
- 观察相邻单元之间的溢出和差异;
- 为多尺度分析提供边界:市镇、跨市镇、省、大区、国家。
概念上,这对应“多尺度”的核心:同一个均衡问题,在不同尺度上有不同的变量和政策杠杆。市镇层面关心住房和交通,区域层面关心就业和基础设施,国家层面关心再分配和法规。
一个多尺度框架的骨架
把上面的东西放在一起,框架可以粗略写成:
领土系统
├── 子系统:人口 / 住房 / 经济 / 环境 / 治理
├── 指标:134 项可持续指标 + 本地数据源
├── 空间:ArcGIS 多尺度单元
├── 动态:Vensim 存量-流量-反馈
└── 评价:福祉 11 维度 + MCDA
这个骨架还不是一个可运行的工具,但它定义了工具需要的数据、变量和评价标准。后续团队可以在这个骨架上继续做问卷、专家访谈和仿真。
三个诚实的边界
1. 相关不是因果
热力图是探索性的,没有显著性检验,也没有控制混杂变量。它的价值是“提出假设”,不是“证明机制”。
2. 指标不能直接相加
134 项指标的量纲、单位和时间尺度都不同。要聚合成一个“均衡指数”,需要先做标准化、权重和敏感性分析;这次实习没有走到那一步。
3. 模型不是决策
Vensim 的回路图可以帮助讨论,但它不是预测工具。政策决策还涉及价值判断、预算、法律和利益相关者,模型只能提供一种结构化的视角。
小结
从 560 篇文献,到两套指标,再到相关矩阵、Vensim 回路和 ArcGIS 空间化,BEST 的工作更像是在搭一个“可以继续往上盖”的架子,而不是交付一个成品工具。
这也让我更清楚一件事:数据分析的价值不只在算出结果,更在于把问题拆成可讨论的结构。
代码、报告与指标表:https://github.com/yicongl1/TN09-BEST-Territorial-Well-Being
相关技能
- Python
- Excel