2014年-世界发展银行全球_Estimating_Poverty_in_the_Absence_of_Consumption_Data___The_Case_of_Liberia_27页_1mb

报告摘要

详细总结：在缺乏消费数据的情况下估算贫困——以利比里亚为例

核心内容

本研究探讨了在缺乏详细消费数据的情况下，如何通过替代方法估算贫困状况。利比里亚作为一个发展中国家，面临统计资源有限的问题，难以定期进行大规模的消费数据调查。因此，研究者利用利比里亚2007年和2010年的两项大型国家住户调查数据（Core Welfare Indicator Survey, CWIQ）以及2007年的Demographic and Health Survey (DHS) 数据，评估了两种替代贫困估算方法：基于资产的指数模型 和 跨调查数据插补模型。

主要观点

基于资产的指数模型：
- 常用于DHS调查中，通过住房特征、资产拥有情况等变量构建资产指数，以估算贫困程度。
- 该模型在利比里亚的国家层面表现良好，但存在显著的区域差异。
- 在城市地区，DHS资产指数高于CWIQ资产指数；在农村地区则无显著差异。
- 该模型的解释力有限，仅能解释约10.8%的消费变异，且城市地区解释力高于农村地区（24.5% vs 4.4%）。
跨调查数据插补模型：
- 通过使用2007年包含消费数据的CWIQ调查结果，构建一个回归模型，预测2010年CWIQ调查中的消费水平。
- 模型通过逐步回归方法，筛选出与贫困相关的变量，如住房特征、人口统计信息、资产拥有情况等。
- 在全国模型中，R²为0.339，解释了约三分之一的消费变异。通过单独估计城市和农村模型，城市模型的R²提高至0.492，农村模型为0.280。
- 插补模型的准确性依赖于变量关系随时间的稳定性，但某些资产（如手机）的快速变化可能影响模型的稳定性。
手机的影响：
- 手机拥有率在2007年至2010年间显著上升，从30.5%增至56.6%。
- 手机的普及改变了其与贫困之间的关系，导致插补模型预测的消费水平可能被高估，从而低估贫困状况。
- 因此，手机被排除在模型变量之外，以减少偏差。
降雨数据的引入：
- 为了提高农村地区的解释力，研究者引入了降雨和植被指数（NDVI）等气候变量。
- 这些变量有助于更好地理解农业收入和贫困之间的关系。

关键信息

利比里亚的贫困状况：
- 2007年，约64%的人口生活在贫困线以下，48%处于极端贫困。
- 2010年，贫困率下降，但具体数值仍需估算。
调查数据：
- 2007年DHS和CWIQ调查共享相同的抽样框架和住户列表操作。
- 2010年CWIQ调查未包含消费模块，但包含与2007年相似的变量。
- 数据集包含6,824户（DHS）和3,595户（CWIQ）。
方法局限性：
- 基于资产的模型在解释贫困变异方面表现有限。
- 插补模型依赖于变量关系的稳定性，若变量关系发生变化，预测结果可能失真。
- 手机等快速变化的资产可能对模型产生显著影响。
研究结论：
- 在缺乏消费数据的情况下，资产指数和跨调查插补方法是可行的替代方案。
- 但这些方法存在局限，特别是在农村地区，其解释力较弱。
- 建议未来研究应关注变量关系随时间的变化，特别是像手机这样的新兴资产。