【AI+反腐？】普渡大学2022最新博士论文《使用机器学习和数据分析检测和衡量基础设施项目中的腐败和低效》，274页PDF

摘要：

腐败是一种社会罪恶，它在社会中产生深远的影响，侵蚀对治理的信任，削弱法治，损害经济发展，加剧贫困、社会紧张和不平等。它是一种多维和复杂的社会弊病，以各种形式和背景发生。因此，任何打击腐败的努力都必须伴随着对可能在加剧或减轻腐败环境中发挥关键作用的属性进行彻底检查。

本论文使用机器学习技术、神经网络分析和时间序列因果关系分析 2007 年至 2017 年来自 113 个国家的汇总数据，确定了影响腐败的一些属性。结果表明，技术准备、人类发展指数、和电子政务指数对减少腐败的影响最为深远。本论文讨论了基础设施系统开发和工程伦理的每个阶段的腐败问题，作为减轻腐败的基础。然后，论文应用新的分析效率测量方法来衡量基础设施的低效率，并对州一级的基础设施行政管辖区进行排名。使用优化开发效率前沿，并确定表现最佳的司法管辖区。该论文的框架可以作为政府和非政府监督机构研究腐败和低效率的形式和背景的起点，并提出有影响力的减少案例的方法。此外，该框架可以帮助监督机构通过在基础设施投资和绩效之间建立更清晰的联系，并通过对受其监督或监督的司法管辖区的基础设施绩效进行比较评估，来促进基础设施机构的整体问责制。

建设阶段利用先进技术反腐示意图

论文组织结构

本论文分为两大部分，共七章（不包括引言和结语章节）。前四章讨论腐败问题，其余三章讨论低效率问题，最后一章给出结论性意见、研究局限和对未来工作的建议。每章都有引言、文献综述、方法论、数据分析和讨论以及结论部分。相当多的章节已经发表或提交给同行评审的期刊和/或会议审查和发表。

论文进行如下。第 2 章是与腐败相关的研究的第一章，调查了影响 113 个国家腐败水平的 13 个属性。本章确定对腐败影响最大的属性，使用主成分分析 (PCA) 作为降维技术，使用 K-means 和层次结构聚类分析来识别具有相似发展相关属性水平的国家组。此外，本章使用机器学习技术（随机森林算法）和决策树分析，根据与发展相关的属性估计每个集群的腐败感知指数（CPI）。

第 3 章使用人工神经网络时间序列分析预测国家的腐败程度。该分析包括 113 个国家 2007 年至 2017 年的数据，分为两个不同的层次：世界层次（所有国家都被视为一组）和集群层次（根据与发展相关的相似性将国家分为四个集群进行研究）。使用人工神经网络技术（具有外生输入的非线性自回归递归神经网络 (NARX)），根据直接影响这些级别的属性预测每个集群中的损坏级别。

第 4 章研究了电子治理效率与各国腐败程度之间的关系。本章使用 2007 年至 2017 年来自 133 个国家的数据，并进行面板向量自回归 (PVAR) 分析，以确定世界层面相关变量（所有国家被视为一个组）与收入之间的因果关系和冲击效应。

第 5 章提供了关于腐败的概念性讨论，并为协助缓解工作提供了指导。本章讨论了基础设施发展各个阶段的腐败问题，并回顾了作为支持反腐败工作的背景的工程伦理。通过在此背景下讨论腐败，本章将基础设施开发的每个阶段的腐败倾向与实践中的示例支持的战略、战术和运营缓解行动联系起来。

第6章是与低效率相关的研究的第一章，讨论了分析效率方法，包括数据包络分析，已应用于人力资源管理、交通、公共管理、人力资源管理、管理控制等各个领域，和医疗保健系统。此外，本章还确定了与所研究方法相关的局限性。

第 7 章介绍了一种方法，用于检查基础设施保护支出和基础设施物理状况之间的支出绩效关系，以促进多个司法管辖区中每个司法管辖区的基础设施机构的整体问责制。本章研究支出-绩效关系的完整性是否受到与绩效相关属性相关的情境和测量偏差的危害。该方法使用美国州际公路桥梁的总维修支出和性能数据进行了演示。

第 8 章介绍了使用基于线性规划的方法对基础设施机构进行排名的非参数效率。本章适当调整了库存规模和测量偏差，以及不同平均年龄、气候严重程度和跨辖区交通量的影响。该方法使用优化开发效率边界，识别位于边界的管辖区 (FLJ)，移除 FLJ 并重新开发下一个边界，依此类推，直到所有管辖区都被移除。本章介绍了美国各州在桥梁投资效率方面的总体效率排名。

第 9 章介绍了论文的概述和每个部分的总结。论文的这一部分进一步提出了本文提出的研究的总体战略实践意义。其次是论文的贡献、研究局限性和未来工作的建议。