探索机器学习算法来预测尼日利亚生育年龄妇女的生育偏好

科学领域:

• 人口统计学 人口统计学
• 机器学习 机器学习
• 公共卫生 公共卫生

背景情况:

• 尼日利亚面临着持续高的生育率 (2018年为5.3%),尽管有各种干预措施.
• 了解生育偏好对于该地区有效的计划生育至关重要.

研究的目的:

• 预测尼日利亚生育年龄妇女的生育偏好.
• 通过先进的机器学习来识别影响这些偏好的关键预测因素.

主要方法:

• 2018年尼日利亚人口和健康调查的二次数据分析 (n=37,581).
• 采用了六种机器学习算法,包括随机森林,物流回归,SVM,KNN,决策树和XGBoost.
• 模型性能使用准确度,精度,回忆,F1得分和AUROC进行评估;特征重要性通过排列和基尼技术进行评估.

主要成果:

• 随机森林表现出卓越的性能,准确率为92%,精度为94%,回忆率为91%,F1得分为92%和AUROC得分为92%.
• 生育偏好的关键预测因素包括孩子的数量,年龄组和理想的家庭规模.
• 从地区,避孕意图,种族和配偶职业中观察到适度的影响;女性的职业,教育和婚姻状况的影响较小.

结论:

• 机器学习有效地分析复杂的人口统计数据,以发现影响生育偏好的因素.
• 结果为尼日利亚开发有针对性的计划生育干预提供了有价值的见解.
• 改善计划生育可以为尼日利亚的可持续发展目标做出贡献.