2025-05-13-世界银行-巴基斯坦穷人分类（英）_27页_2mb

总结：Towards a Taxonomy of the Poor in Pakistan

核心内容

本文通过非参数层次聚类分析，对巴基斯坦最底层40%的消费家庭（B40）进行了分类，以识别不同贫困群体面临的独特约束，并为制定针对性的减贫政策提供依据。研究基于2018-19年的《家庭综合经济调查》（HIES）数据，结合地理、气候、资产和人力资本等变量，识别出五个非重叠的贫困群体。

主要观点

• 贫困的异质性：巴基斯坦的贫困家庭并非同质，其福祉状况、经济活动和生活条件存在显著差异。
• 分类依据：通过资产框架分析，研究将贫困家庭按其经济活动、教育水平、资产拥有、地理分布和劳动参与情况进行分类。
• 政策意义：识别不同贫困群体有助于制定更具针对性的政策干预措施，提高减贫政策的有效性。

关键信息

1. 贫困现状

• 从2001年到2018年，巴基斯坦家庭实际消费增长了60%，贫困率从64.3%降至21.9%。
• 2018年，农村贫困率（28.2%）是城市（10.9%）的两倍以上。
• 城市和农村的贫困分布不均，且存在性别和年龄差异，例如37%的青年（15-24岁）未参与就业、教育或培训（NEET）。

2. 分析方法

• 聚类分析：使用非参数层次聚类方法，基于26个输入变量对B40家庭进行分类。
• 变量选择：包括生产性资产、人力资本、生计方式、居住条件和服务获取、气候冲击暴露等。
• 相似性度量：采用Gower相似性系数，适用于混合变量（连续、二元和有序变量）。
• 聚类数量确定：通过方差比率准则（VRC）和Duda-Hart指数等量化标准，最终选择5个聚类作为最优解。

3. 五个贫困群体

1. 第一组：农村超贫困家庭，主要依靠低技能佃农收入，依赖公共社会安全网。
2. 第二组：农村农业家庭，以自营农为主。
3. 第三组：低劳动参与家庭，主要依靠迁移家庭成员的汇款。
4. 第四组：城市高教育水平家庭，拥有生产性资产，从事半技能工资工作。
5. 第五组：从事非农业低技能日工的家庭，主要集中在建筑和其他小型服务行业。

4. 数据与方法

• 数据来源：使用HIES 2018-19数据，覆盖24,809户，代表巴基斯坦各省份。
• 地理数据补充：由于HIES未包含地理坐标，引入外部地理和气候数据，如农村可达性指数、气候灾害统计数据等。
• 预处理步骤：剔除高度相关的变量，确保变量间差异足够以区分不同群体。

方法论步骤

1. 数据选择：确定用于聚类的变量集，确保其对贫困分析具有相关性。
2. 聚类方法选择：采用层次聚类方法（agglomerative clustering），使用Ward’s linkage算法，以最小化聚类内部方差增加。
3. 相似性度量：使用Gower相似性系数，适用于混合变量类型。
4. 聚类数量确定：通过VRC和Duda-Hart指数等标准，最终确定5个聚类为最佳分类。

结论

本文通过聚类分析，为巴基斯坦的贫困家庭提供了五种不同的分类，每种分类反映了其独特的经济和生活特征。这一分类有助于政策制定者更精确地识别贫困群体，从而制定更有效的减贫政策。