高天，张丽丽，黎建辉*

1.中国科学院计算机网络信息中心，北京 100190

2.中国科学院大学，北京 100049

引 言

联合国可持续发展目标（Sustainable Development Goals，SDGs）是联合国在《2030 议程》中提出的一系列新的发展目标[1]，全球发达国家和发展中国家均将其作为社会经济协调发展的重要指导，来保障人类社会的长期稳定和健康发展。由于SDGs 的3 级指标主要支撑2 级具体目标的落实，且用于评估《2030 年议程》未来的落实情况[2]，学界已经广泛地展开关于SDGs 目标和指标之间关联性的研究。

可持续发展目标的相关性分析需要以统计的指标数据为基础。《可持续发展报告2020》[3]（以下简称报告）中提供的联合国全体193 个成员国的统计数据包括了每项指标从2000-2020 年的具体数值，但有些指标的数据不完整，个别年份存在缺失。且指标的时间序列数据只能反映指标本身随年份变化的结果，而无法看出与其他指标之间的关联性。因此，基于报告中已统计的元数据，通过分析计算得出指标的关联性数据，不仅可以直观反映出SDGs 整体指标框架之间的联系，还可以为各国的政策实施和完善提供方法学的支持。

本文涉及的SDGs 的3 级指标数据包含基于对比分析所得的最优相关分析算法——MIC 算法计算得出的指标对之间的相关系数和基于Spearman 算法计算得到的指标对相关方向，全面地描述了SDGs 指标数据之间的关联性，为联合国各成员国未来进一步研究和实施可持续发展目标提供了可靠的数据支撑。

1 数据采集和处理方法

1.1 数据来源

基于数据的规律性和可用性，本文所使用的SDGs 指标的时间序列数据来自于《可持续发展报告2020》数据[3]。……