10、基于模型的披露保护方法解析

基于模型的披露保护方法解析

1. 数据识别风险与变量分类

在处理企业数据时，某些信息可能会带来极高的风险，因为它们能为识别大型且特征明显的企业提供线索。一般认为，企业数据越偏离整体，其被识别的风险就越高。在评估保护方法的效果时，异常值是重要的参考依据。不过，目前这种基于异常值的评估方法存在一定局限性，它更偏向于定性分析，实际上可以采用基于记录链接的定量披露度量方法。

数据中的变量可分为两类。第一类变量包含企业的识别信息，如经济活动、地理区域、员工数量、营业额、出口额以及研发创新总支出等。这些变量可能使企业被轻易识别，因此需要采取保护措施。第二类变量则包含与创新相关的一系列机密信息，由于其性质，通常不会导致企业被识别。

2. 保护模型概述

2.1 基本思路

保护模型的核心思想是通过降低所有识别变量的信息含量，使企业识别变得困难。对于CIS数据中的识别变量，采取了不同的处理方式：
- 经济活动和地理区域 ：对于主要经济活动，按照NACE rev. 1分类的前两位数字进行聚合；对于地理区域，基于主成分分析划分出两个更宽泛的类别。
- 定量变量 ：对于员工数量、营业额、出口额和研发创新总支出等定量变量，为每个变量构建回归模型，并发布拟合值。为了进一步保护极端值，即异常企业，会将部分企业的数据向中心收缩。

2.2 具体操作步骤

1. 在数据矩阵X中加入单位向量1，以允许回归中存在截距。
2. 对于要保护的变量Xl（l ∈K′ ⊆K），将Xl对XK\l进行回归，并发布修正后的值：