科研数据再利用性的五维度模型研究

宋秀芬　周茜　李立睿等

DOI：10.3969/j.issn.1008-0821.2021.10.010

[中图分类号]G250.76 [文献标识码]A [文章编号]1008-0821（2021）10-0083-10

协同科学环境下的数据量和数据丰富度呈爆炸式增长，数据再利用量显著落后于快速增长的数据存储量，产生这种现象的原因之一是数据再利用性（Data Reusability）不高。数据共享性（Shareability）、可用性（Availability）与再利用性（Reusability）共同影响数据再利用（Data Reuse）活动。数据再利用性已成为开放科学实践的显著特征，是数据再利用活动产生的必要条件。因此，如何实现数据再利用性最大化已成为当前数据再利用实践领域亟待解决的问题。

近几年，国内学者已着手研究数据再利用相关主题，但涉及数据再利用性的科研成果较少。国外学者关于数据再利用性研究成果主要集中出现在近几年，研究主题主要体现在3个方面：①数据再利用性影响因素与评估要素，其中影响因素如相关性、可理解性、可信度等;评估要素如元数据完整性、溯源质量、数据质量、数据文档、数据原则FAIR等;②数据再利用性技术维度：语法与语义异质性表示、工具与应用软件开发、机器自动化识别技术等;③数据再利用性提升策略与措施：元数据质量、数据用户需求与期望识别、透明化科研过程、数据原则FAIR遵循、服务流程优化、开放数据文化、数据监护人员协同工作等。

基于现有国内外文献，目前数据再利用性研究仅从单一维度（如技术、数据监护人员等）展开，鲜有从多维度研究数据再利用性。鉴于此，相较于已有研究成果，本文研究的特点体现在以下3方面：①阐述了数据再利用性的理论基础;②剖析了数据再利用性的五大维度，构建了数据再利用性的五维度模型;③从数据再利用性的五维度模型中提炼出数据再利用性的提升策略与措施。另外，值得注意的是，本文数据再利用性中的“数据”（Re-search Data或Scientific Data）专指科研数据。

1数据再利用性相关概念

1.1数据再利用

数据再利用（Data Reuse）又称为数据复用或数据重用，是基于不同研究背景对现有数据二次使用的过程，数据再利用概念包含两层含义：一是利用现有数据解决新问题的研究过程;二是通过新的数据分析方法（二次分析或再分析）解决原始问题。数据再利用就是在原始研究数据基础上解决新问题的研究过程，或采用新数据分析方法解决原始问题的过程。再利用的数据包括原始数据、算法、工具、工作流等。

1.2数据再利用性

学术界对数据再利用性（Data Reusabilicy或Research Data Reusability）定义还未达成统一共识，典型数据再利用性定义如表1所示。

从以上数据再利用性定义分析得出，其定义体现了5个方面的关键词：数據监护人员、政策、法律、经济、技术，具体如下：

①数据监护人员方面：维护数据再利用性涉及的数据监护人员之间的数据可用性关系;②政策方面：创建数据再利用文化环境，第三方（数据用户、领域专家、期刊编辑、项目资助者等）根据数据属性与再利用意愿等来评估数据再利用性;③法律方面：解决数据再利用性涉及的版权、隐私问题、访问许可、敏感数据等法律问题;④经济方面：解决数据再利用性涉及的成本与效益（如科研过程透明与再现、科研成果验证、科研效率提升、开放数据文化营造等）平衡问题;⑤技术方面：丰富数据再利用性的数据属性（如数据文档、数据适用性、数据作者可信性与可靠性、数据质量、研究严谨性）与特征来满足数据再利用者特定数据需求与期望。

1.3数据再利用、数据再利用性、数据可用性三者关系

数据可用性（Data Availability）是指数据具有便利使用的状态或属性，即通过必要管理程序、基础设施、技术、策略等向数据用户提供及时、便利数据访问的保障程度，数据作者或提供者很大程度上影响数据可用性。

数据再利用影响因素：数据共享性、数据可用性与数据再利用性。换句话说，数据再利用的基本特征为数据共享性、数据可用性、数据再利用性，三者缺一不可，共同作用于数据再利用。因此，数据共享性、数据可用性、数据再利用性是数据再利用的必要条件。

2数据再利用性理论基础

2.1数据原则FAIR

数据原则FAIR（Findable，Accessible，Interop-erable，Reusable）为开放数据可发现性、可访问性、互操作性和再利用性提供数据监护指南，强调通过自动化技术处理复杂数据及元数据解决共享数据的质量问题，提升数据再利用性与数据可用性。

数据原则FAIR与数据再利用性关系表现为：一方面，数据原则FAIR是数据再利用性的测量指标（FAIR原则遵循、数据溯源质量与元数据完整性）之一，是保障发布数据具有再利用性的规范指南;另一方面，数据再利用性是数据原则FAIR的组成部分，数据知识库（Scientific Data Re-positories，SDRs）需遵循数据原则FAIR来满足数据用户对数据和元数据的个性化需求。

2.2数据可用性关系

一方面，数据集自身无法单独被理解和使用，需要元数据增强数据理解性，实现不同科研环境下的数据迁移，因此，元数据质量是数据再利用性的重要影响因素;另一方面，关系思维方法有助于选择和组织元数据信息（来源、环境、质量、不确定性信息），消除研究社区之间的语义和语用障碍，增强数据理解性和再利用性。采用关系思维方法建立数据作者与数据用户之间的数据关系以支持数据应用于不同科研环境。

数据再利用性涉及数据作者（Data Author）与数据用户（Data User），后二者之间的数据可用性关系（Usability Relationships）表现为认可关系、验证关系、发现关系，其中认可关系表现为数据用户从数据作者创建的数据中找到符合需求或期望的数据;验证关系表现为数据用户收集数据作者创建的数据来验证科研成果;发现关系表现为数据用户根据数据作者创建的数据提出新见解。

3种数据可用性关系的特征表现为关系差异、关系依存、关系变迁。其中关系差异表现为数据作者与数据用户的年龄、地理区域、研究文化、学科规范等差异影响数据再利用性;关系依存表现为数据作者与数据用户相互依赖，数据作者的数据共享意愿与接受程度影响数据用户对数据的理解性与再利用性;关系变迁表现为随着时间变化，数据作者与数据用户之间的关系差异与关系依存不断变化与交互，需实时更新维护二者之间的关系。

2.3数据监护活动

根据对数据监护生命周期模型（Curation Life-cycle Model）与数据再利用性理论基础的分析，数据再利用性的监护活动表现为：数据创建、数据处理与分析、数据发布、数据维护与评估、数据再利用，如图1所示。数据再利用性的数据监护流程是具有高效、渐进、自适应特征的科学生态系统，系统不断维护数据价值。

①数据创建。数据作者在科学研究过程中创建数据，其类型包括观测数据、计算数据、实验数据、派生数据。平台数据监护人员（包含数据经理、数据科学家、数据馆员）从研究早期就协助数据作者及时记录数据来源、生成方法、实验环境等描述信息以免数据丢失;②数据处理与分析。一方面，平台数据监护人员指导数据作者规范化处理与分析数据，生成原始数据集、元数据、数据文件以及支撑材料等;另一方面，人员、技术、环境以及其他因素影响数据质量（原始数据集、元数据、数据文件以及支撑材料等质量）与数据知识库质量（FAIR遵循、认证标准支持等）;③数据发布。数据发布的3种途径分别为：数据作为独立文件通过数据知识库发布、数据作为数据论文通过数据期刊发布、数据作为文献支撑材料通过出版物（期刊、报告、著作等）发布。数据知识库是数据期刊与出版物的基石，数据知识库中数据关联了数据期刊的数据论文、出版物的文献，数据期刊的数据论文是对出版物中文献成果的验证。因此，3种数据发布途径互为补充、互为关联，共同支持数据可见性与再利用性;④数据维护与评估。数据作者更新数据、数据经理提供技术支持、数据科学家优化资源配置、数据用户再现研究与反馈问题，不同岗位的数据监护人员协同更新与维护数据，增强数据再利用的共享性、可用性、再利用性，这3种数据再利用特征由第三方（数据用户、领域专家、期刊编辑、项目资助者等）根据数据属性、标准化、实践要求、个性化需求等要素来综合评估;⑤数据再利用。一方面，数据监护人员在数据监护生态系统中起主导作用，通过建立数据作者与数据用户之间的数据可用性关系进一步提升数据再利用性，为数据再利用活动产生奠定基础;另一方面，数据再利用活动建立数据与衍生出版物的关联，进一步提升数据再利用性。

3数据再利用性的五维度模型构建

3.1数据再利用性的五维度分析

3.1.1数据监护人员维度

数据再利用性涉及的数据监护人员（Data Cu-rator）包括数据作者、数据科学家、数据经理、数据馆员、数据用户，数据作者主要负责数据创建与更新，数据科学家主要负责财物管理，数据经理主要负责技术支持，数据馆员主要负责数据服务定制，数据用户主要负责及时反馈问题、合法引用与使用数据等。

数据监护人员在数据再利用性方面发挥主导作用，其影响数据再利用性的个体主客观因素为：协同能力、知识技能、态度信仰、感知风险、学科规范、领悟能力、年龄资历等。其中协同能力尤为重要，不同岗位的数据监护人员承担着不同职责与任务，这就要求不同岗位的数据监护人员加强沟通、协同工作。因此，在数据监护实践中需不断增强数据监护人员参与度和协同创新能力。数据作者与平台数据监护人员的协同能力直接或间接影响数据用户对数据的可信度，可信度又是影响数据再利用性的重要因素，原因是数据再利用性的构成要素包括相关性（Relevance）、可理解性（Understand-ability）、可信度（Trustworthiness），例如：

1）协同能力在知识技能整合方面增强数据可信度。实践中数据作者缺乏数据监护技能，平台数据监护人员缺乏专业领域知识，平台数据监护人员或数据作者如单独从事數据监护活动会导致数据监护不到位或不完整，数据再利用性差，数据用户无法有效再利用数据。因此，需要平台数据监护人员充当数据作者与数据用户之间的交流媒介以提升用

2）协同能力在数据描述方面增强数据可信度。数据作者独立从事数据描述时存在数据环境（Data Context）信息或数据文件不足等问题，造成数据用户不能完整理解数据，需要平台数据监护人员从研究早期参与到科研过程中，协助数据作者及时记录数据环境信息与补充数据生命周期各个阶段的数据文件以适应不同科研环境下的数据迁移。

3）协同能力在数据增值方面增强数据可信度。数据记录、存储、发布等过程是数据监护人员共同职责，平台数据监护人员参与数据作者科研过程中的增值活动，包括清理、验证、组织与记录已接收的数据，增强数据长期再利用性，维护数据价值性。

3.1.2政策维度

数据再利用性涉及的政策包括数据共享政策、数据使用政策、数据治理政策、经费资助政策、隐私政策等，清晰的、标准化的政策内容有助于增强数据影响力和可见性。鉴于目前数据共享范围小且程度较低，因此在数据共享政策方面，政府机构、基金组织、出版发行机构与科研机构已制定并实施数据共享政策，对数据再利用性产生积极影响，共同推动开放科学发展：

1）政府机构的数据共享政策。国务院办公厅于2018年3月印发了《科学数据管理办法》，该办法界定了数据利益相关者的权利与义务，创建开放数据文化环境，增强科研人员对数据再利用价值的认识，促进数据再利用。政府机构制定的数据共享政策为数据再利用性提升奠定了坚实基础。

2）基金组织的数据共享政策。自2011年开始，美国国家科学基金会NSF（National Science Foundation）规定申请人须提交项目申报书与数据管理计划（Data Management Plans，DMP）。数据管理计划是一种支持数据再利用性的工具，其内容包括创建数据内容、创建数据方式、共享和保存计划、数据访问权限设置、研究项目名称、数据创建组织、数据可用性方案等。其中数据可用性方案尤为重要，其内容包括：①识别数据作者与潜在数据用户之间的数据可用性关系;②将数据生成过程中积累的显性与隐性知识转换为迁移知识;③定义适

3）出版发行机构的数据共享政策。《Nature》《Cognition》等期刊强制要求数据作者提交期刊论文的支撑材料、数据集等，同时要求发布数据具有长期有效性。《Nature》《Cognition》等出版发行机构的数据共享政策实践表明，强制型开放数据政策在一定程度上增强了数据可用性与再利用性。针对目前数据再利用性面临的问题，如：数据共享效用低、错误报告阻碍研究再现、数据共享质量低等，出版发行机构的数据共享政策需从两方面改进：一方面，出版发行机构需完善出版物数据共享政策指南;另一方面，出版发行机构的数据共享政策需明确要求科研人员的科研过程透明化，同时要求科研人员具有完整清晰记录数据结构的技能。

4）科研机构的数据共享政策。国内外科研机构（含高校）数据监护平台的数据共享政策大多采用自愿共享原则来提升数据可见度，如明尼苏达大学数据知识库（The Data Repository for University of Minnesota）。、复旦大学社会科学数据共享平台（Fudan University Dataverse Network）、北京大学开放研究数据平台（Peking University Open Research Data）等的“数据资源共享合作协议”鼓励科研机构或科研人员开放共享有价值的数据。科研机构数据共享政策对数据再利用性产生的影响表现为：第一，平台数据监护人员协助数据作者描述数据，通过提升数据集质量、元数据质量、数据文件质量来增强数据再利用性;第二，数据共享政策鼓励数据作者与数据用户加强沟通，通过再现研究增强数据理解性，降低数据二次使用难度;第三，数据共享政策提升机构数据资产的可见性、学术影响力及機构声誉，从而提升数据可信度。

科研机构数据知识库的数据共享政策制定工具通过规范化、个性化政策内容明确了数据利益相关者的权利与义务，增强数据再利用性。例如：全球开放存取知识库目录（The Directory of Open Access Repositories，OpenDOAR）网站提供数据知识库平台政策制定工具（Policy Tools），以网页形式或纯文本形式生成限制型（禁止商业再利用）与非限制型两套数据共享政策方案，其政策详细内容包括元数据政策、数据政策、内容政策、提交政策、保存政策，同时政策制定工具满足不同数据知识库平台政策个性化制定需求（如专门术语使用）。

3.1.3法律维度

数据再利用性的法律维度包括：数据许可（使用许可、访问许可等）、知识产权、保密规定、隐私权等，其中数据知识库的数据许可按数据权限从高到低依次分为：宽松许可、公共版权、限制许可、专用许可、版权、未知许可。第三方通过数据许可评估标准（许可条款类型与可发现性、许可范围与完整性、数据访问能力、数据再利用类型、数据再利用限制）来衡量数据再利用性。

数据许可（Data Licensing）相对于其他法律因素具有灵活性与扩展性。一方面，清晰的数据访问许可协议明确了数据利益相关者的权利与义务，促进数据可用性、开放性、再利用性等，鼓励数据再利用;另一方面，缺乏许可、非标准化许可、限制性或非兼容许可条款等阻碍数据互操作性与再利用性。

3.1.4经济维度

数据再利用性经济维度的影响因素表现为：数据共享成本、数据再利用成本、风险管理、财务可持续性等，其中共享成本如清理数据、创建文件与元数据、检查数据完整性与一致性等工作耗费时间与精力;财务可持续性包括：①收益、投资与支出等分析;②财务透明性、经费监控;③运营计划、经营计划、审计计划、财务预测、技术基础设施投资计划等。

从经济维度具体要素来看，需从人员与工具两个角度合理配置资源，降低成本，提高科研效率。数据再利用性经济维度的工具重点关注成本效益平衡问题，例如：数据审计框架（Data Audit Frame-work，DAF）是审计机构数据资产工具，有利于优化利用机构资源，实现数据访问与再利用价值;此外，基于区块链的数据驱动流程重组工具增强数据灵活性、降低科研成本，增强数据利益相关者之间的信任。

3.1.5技术维度

数据再利用性的技术维度包括元数据建模技术、领域本体技术、数据发现技术、数据互换技术、数据与出版物关联技术、数据标准化技术。

1）元数据建模技术。元数据是关于数据的描述性信息，用于解释所测量的数据属性，不受版权保护。面向目标的元数据模型使用对数据再利用性至关重要，需要在数据收集过程与派生过程中对其详细清晰地描述以提升数据理解性。元数据信息包括数据溯源信息、数据环境信息、数据不确定性信息、数据质量信息。元数据建模技术包括数据溯源建模技术、数据环境建模技术、数据不确定性建模技术、数据质量建模技术：

①数据溯源建模技术。溯源元数据记录数据获取来源与数据更新频率，数据溯源是关于数据对象来源、数据访问方式、数据作者等信息，用于解释、验证、再计算、再现研究;②数据环境建模技术。数据环境元数据记录数据与环境的关系，环境信息包括数据集属性（数据来源、数据收集方法、数据创建与发布过程）、实验过程与特性、数据来源、物理组织、项目组织、科学组织、任务、用户社区等，数据环境信息实现跨学科数据迁移，将数据作者创建的数据迁移到数据用户的研究环境中，数据环境的描述增强数据理解性与再利用性;③数据不确定性建模（Data Uncertainty Model-ing）技术。数据不确性建模技术是定量评估由系统误差或随机误差产生的不确定性。数据不确定性是科学研究调查报告的重要组成部分，被称为不明确、概率、模糊、近似、不完整、不精确等。目前，数据库软件不支持数据不确性管理，这是数据经理亟待解决的技术难题;④数据质量建模技术。数据质量包括数据集质量、元数据质量、数据文件质量等，其中元数据与数据具有同等价值，元数据质量是实现数据再利用性的重要因素。数据质量维度包括准确性、完整性、可访问性、一致性、及时性、互操作性等，利用全球通用元数据标准规范化描述与解释数据以增强其互操作性和再利用性。

2）领域本体技术。领域本体是由一组概念、公理、关系构成，是关于跨领域数据再利用活动内容的协议，如知识表示术语等。领域本体是为了提高数据理解性与可用性，促进数据再利用。领域本体的特征为：一致性、动态性、模块性和环境性等，其中一致性对于数据再利用性至关重要，跨领域本体的一致性是通过一组映射规则指定各种实体（如对象、概念、关系和实例）之间的对应关系来实现。

3）数据发现技术。数据发现性是指根据研究需求精准识别与查找数据的能力。数据发现技术包括：数据配准（Data Registration）、数据引用、数据分类、数据字典、元数据注册表（Metadata Reg-istry）。其中数据配准为数据分配唯一数据对象标识符，提供一种永久且可操作数据识别系统;数据引用提供数据引用指南与引用参考格式，数据引用6要素：创建者、标题、年份、标识符、版本号、数据集内部格式;数据分类是为了有效使用数据，对数据进行分类。

4）数据互换技术。数据互换性是指数据作者与数据用户互相交换有意义数据的能力，是数据再利用的必要条件。当数据作者与数据用户分属于不同学科时，数据交换存在3种类型的异质性：查询语言异质性（语法互换）、数据模型异质性（结构互换）、领域术语异质性（语义互换），数据互换技术通过解决语法、语义、结构互换问题支持不同学科数据迁移。

5）数据与出版物关联技术。数据与出版物关联包括数据与出版物、数据与数据、出版物与出版物、数据与数据文件等链接，数据关联内容包括：统一数据模型、标准访问机制、基于超链接的数据发现。数据与出版物建立关联的益处有：促进数据发现、增强数据理解性、提升数据作者学术声誉、提高数据的可用性。数据与出版物关联工具如：文献数据集推荐工具支持研究再现，提升数据再利用性。

6）数据标准化技术。数据标准化技术提高数据再利用性与理解性，数据标准分为：元数据模型标准、查询语言标准、元数据标准、数据标识标准、传输协议标准等。标准化（Standardization）是指跨障碍（如空间、时间、文化障碍等）数据再利用时将局部知识转化为公共知识的能力，避免因原始数据收集与数据再利用的障碍对同一数据造成认知差异与理解差异。

3.2数据再利用性的五维度模型分析

本文通过对数据再利用性的5个维度分析，构建了数据再利用性的五维度模型，如图2所示。模型中数据监护人员维度侧重于人员的数据素养提升问题，法律与政策维度侧重于数据开放存取问题，经济维度侧重于数据再利用性的成本效益平衡问题，技术维度侧重于数据互操作问题（如物理与语义障碍）。数据监护人员维度、政策维度、法律维度、经济维度与技术维度共同构成数据再利用性的五大支柱，五大支柱缺一不可，五维一体共同发展提升数据再利用性。从数据再利用性的五维度模型分析得出以下结论：

1）数据监护人员在数据再利用性的五维度模型中起主导作用。数据监护人员的主观因素（如态度信仰、感知风险等）与客观因素（如知识技能、学科规范等）影响数据再利用性;此外，数据监护人员通过在政策维度、经济维度、技术维度、法律维度的相关活动影响数据再利用性。

2）数据再利用性的五维度模型中5个维度融为一体，共同发展。数据监护人员维度、政策维度、法律维度、经济维度、技术维度相互作用、相互依存。模型中每个维度都不是独立的，当其中某一个或几个维度提升时会影响其他维度并共同作用于数据再利用性。例如：政策维度中良好的政策环境促进技术维度中的技术（发现技术、互换技术等）进步，降低经济维度中科研人员的数据共享成本，提升数据监护人员维度中协同能力等;此外，数据监护人员维度中协同能力的提升促进技术维度中的技术进步，降低经济维度中的数据共享成本等。

3）数据再利用性的五维度模型构成要素之间相互交叉、互为补充。例如：①技术维度的数据标准化要素也体现在政策维度与数据监护人员维度中，如：从政策维度制定数据标准政策促进数据标准化，从数据监护人员维度要求数据利益相关者遵守数据标准政策，开发数据标准化技术来提升数据再利用性;②政策维度与法律维度中隐私问题（如敏感数据、私有数据保护）侧重点不同，二者均涉及数据监护人员维度。其中，政策维度的隐私要素侧重于对数据用户自觉约束，法律维度隐私要素侧重于对数据用户的强制约束，数据监护人员维度在隐私要素中发挥主导作用，三者共同解决数据再利用性的隐私问题。从以上分析得出，数据再利用性的五维度模型中各构成要素不是孤立的，要素之间相互交叉，共同影响数据再利用性。

4）科研机构与数据监护人员以模型的技术维度为突破口提升数据再利用性。一方面，数据监护人员维度、政策维度、法律维度、经济维度在数据再利用性实践中面临的问题主要体现在数据技术维度的技术障碍上;另一方面，数据监护人员维度、政策维度、法律维度、经济维度支撑并促进技术维度的技术进步，技术进步提升数据质量，直接或间接影响数据再利用性提升。因此，将技术维度实践作为突破点，解决数据再利用性的五维度模型中其他维度的相关问题，提升数据再利用性。

5）模型中数据再利用性是数据再利用活动产生的必要条件。数据具有再利用性，数据再利用活动不一定产生;反之，数据再利用活动产生的前提条件是数据具有再利用性，开放科学的最终目标是促进数据再利用。总之，数据再利用性是数据再利用活动的基础。

4结论与展望

4.1研究结论

本文在数据监护人员维度、政策维度、法律维度、经济维度、技术维度基础上，构建了数据再利用性的五维度模型，分析得出以下结论：

1）模型中数据监护人员维度侧重于数据再利用性中数据监护人员的数据素养提升。数据监护人员在数据再利用性模型中起主导作用，其个体主观因素（如态度信仰、领悟能力等）是影响再利用性的不可控因素，数据监护人员的协同能力在数据再利用性方面尤为重要。

2）模型中法律与政策维度侧重于数据再利用性的数据开放存取。例如：①政策维度中数据共享政策创建数据开放存取环境，目前政策机构、出版发行机构、基金组织、科研机构已制定并实施数据治理、使用、隐私保护、经费资助、数据共享方面的政策，提升科研人员对数据价值认识，对数据再利用性产生积极影响;②法律维度中数据许可界定了数据开放存取相关权利，开放清晰的数据许可明确了数据利益相关者的职责与义务，促进数据再利用性提升。

3）模型中经济维度侧重于数据再利用性的成本效益平衡。从人与工具两个角度解决成本效益平衡问题，其中人占主导地位，因此需开发成本效益类工具，有效管理短期（数据共享成本、数据再利用成本等）、长期（财物可持续性）成本效益平衡问题。

4）模型中技术维度侧重于数据再利用性的数据互操作。数据再利用性技术维度涉及元数据建模技术、领域本体技术、数据发现技术、数据互换技术、数据与出版物关联技术、标准化技术，这些技术解决跨领域、跨学科科研环境的數据迁移难题，实现科研人员跨系统、跨平台再利用数据。

4.2研究展望

本文构建了数据再利用性的五维度模型，但还存在一定局限性：未采用定量方法研究数据再利用性的五维度模型中影响因素的相互关系及其作用效果。笔者下一步将采用系统动力学工具，通过量化方法研究数据再利用性系统五大要素模块（数据监护人员、政策、经济、法律、技术）中具体影响因素的因果关系，对数据再利用性系统动力学模型的敏感因素作用效果与变化趋势进行拟合。

（责任编辑：郭沫含）